TypeError: element sekwencji 0: oczekiwany ciąg, znaleziono int

188

Próbuję wstawić dane ze słownika do bazy danych. Chcę iterować wartości i odpowiednio je sformatować, w zależności od typu danych. Oto fragment kodu, którego używam:

def _db_inserts(dbinfo):
    try:
        rows = dbinfo['datarows']

        for row in rows:
            field_names = ",".join(["'{0}'".format(x) for x in row.keys()])
            value_list = row.values()

            for pos, value in enumerate(value_list):
                if isinstance(value, str):
                    value_list[pos] = "'{0}'".format(value)
                elif isinstance(value, datetime):
                    value_list[pos] = "'{0}'".format(value.strftime('%Y-%m-%d'))

            values = ",".join(value_list)

            sql = "INSERT INTO table_foobar ({0}) VALUES ({1})".format(field_names, values)

    except Exception as e:
        print 'BARFED with msg:',e

Gdy uruchamiam algo przy użyciu przykładowych danych (patrz poniżej), pojawia się błąd:

TypeError: element sekwencji 0: oczekiwany ciąg, znaleziono int

Przykład danych list wartości, które dają powyższy błąd, to:

value_list = [377, -99999, -99999, 'f', -99999, -99999, -99999, 1108.0999999999999, 0, 'f', -99999, 0, 'f', -99999, 'f', -99999, 1108.0999999999999, -99999, 'f', -99999, 'f', -99999, 'f', 'f', 0, 1108.0999999999999, -99999, -99999, 'f', 'f', 'f', -99999, 'f', '1984-04-02', -99999, 'f', -99999, 'f', 1108.0999999999999] 

Co ja robię źle?

Homunculus Reticulli
źródło
42
soulution for you:values = ",".join(map(str, value_list))
ddzialak

Odpowiedzi:

383

string.join łączy elementy wewnątrz listy ciągów, a nie ints.

Zamiast tego użyj tego wyrażenia generatora:

values = ','.join(str(v) for v in value_list)
cval
źródło
32
Można również użyć.join(map(str, value_list))
BallpointBen
44

Mimo że podane odpowiedzi na listę / wyrażenia generatora są poprawne, łatwiej mi to odczytać i zrozumieć:

values = ','.join(map(str, value_list))
Kirpit
źródło
2
Uwielbiam to użycie mapy i str. Będę używał tego wzoru w przyszłości :)
Timothy C. Quinn,
17

Zastąpić

values = ",".join(value_list)

z

values = ','.join([str(i) for i in value_list])

LUB

values = ','.join(str(value_list)[1:-1])
Priyank Patel
źródło
1
Kolejny values = ','.join(str(value_list)[1:-1])
Priyank Patel
4
usuń [, ]z drugiego przykładu, zrozumienie listy nie jest wymagane, a po ich usunięciu masz generator, który jest bardziej wydajny.
jamylak
3
W rzeczywistości, jak wyjaśniono na stackoverflow.com/questions/9060653/... , użycie metody zamiast generatora w str.join()metodzie jest szybsze ...
dtheodor
12

Odpowiedzi cval i Priyank Patel działają świetnie. Należy jednak pamiętać, że niektóre wartości mogą być łańcuchami Unicode i dlatego mogą powodować strzgłaszanie UnicodeEncodeErrorbłędów. W takim przypadku zastąp funkcję strfunkcją unicode.

Załóżmy na przykład ciąg Libië (holenderski dla Libii), reprezentowany w Pythonie jako ciąg Unicode u'Libi\xeb':

print str(u'Libi\xeb')

zgłasza następujący błąd:

Traceback (most recent call last):
  File "/Users/tomasz/Python/MA-CIW-Scriptie/RecreateTweets.py", line 21, in <module>
    print str(u'Libi\xeb')
UnicodeEncodeError: 'ascii' codec can't encode character u'\xeb' in position 4: ordinal not in range(128)

Jednak następujący wiersz nie spowoduje zgłoszenia błędu:

print unicode(u'Libi\xeb') # prints Libië

Więc zamień:

values = ','.join([str(i) for i in value_list])

przez

values = ','.join([unicode(i) for i in value_list])

być bezpiecznym.

Tomasz Nguyen
źródło
1
To najlepsze rozwiązanie tutaj! wartości = ','. join ([unicode (i) dla i w wartości_listy]), który działa, jeśli masz mieszankę liczb całkowitych i ciągów znaków z rozszerzonymi znakami ascii.
mel
Już nie problem w Python3, str('\xeb')=>ë
Brayoni
0

Interpolacja ciągów to dobry sposób na przekazanie sformatowanego ciągu.

values = ', '.join('$%s' % v for v in value_list)

Port Edison
źródło
0

możesz najpierw przekształcić całkowitą ramkę danych na ciąg znaków, a następnie wykonać operację, np

df3['nID']=df3['nID'].astype(str)
grp = df3.groupby('userID')['nID'].aggregate(lambda x: '->'.join(tuple(x)))
Shaina Raza
źródło