KnockoutJS Mapping toJS忽略嵌套键(KnockoutJS Mapping toJS ignore nested keys)

 在KnockoutJS的映射插件中使用toJS时，我不能忽略嵌套属性吗？  
 例：  
var obj = {
    "akey": {
        "anestedkey": "ignore",
        "anotherkey": "value"
    }
};

console.log(ko.mapping.toJS(obj, {
    "ignore": ["akey.anestedkey"],
}));
 
 预期的产出是  
{
    akey: {
        anotherkey: "value"   
    }
}
 
 实际输出是  
{
    akey: {
        anestedkey: "ignore"
        anotherkey: "value"   
    }
}
 
 JSFiddle： http ： //jsfiddle.net/48KVU/ 

Can I not ignore nested properties when using toJS in KnockoutJS' mapping plugin? 
Example: 
var obj = {
    "akey": {
        "anestedkey": "ignore",
        "anotherkey": "value"
    }
};

console.log(ko.mapping.toJS(obj, {
    "ignore": ["akey.anestedkey"],
}));
 
Expected output is  
{
    akey: {
        anotherkey: "value"   
    }
}
 
Actual output is 
{
    akey: {
        anestedkey: "ignore"
        anotherkey: "value"   
    }
}
 
JSFiddle: http://jsfiddle.net/48KVU/

原文：https://stackoverflow.com/questions/24326358

2022-11-09 21:11

满意答案

 您不需要第二个数据帧dfData。 您需要的所有数据都在dfTmp中。 您只需使用以下内容重塑dfTmp：  
 选项1  
 使用set_index和stack  
dfData = dftmp.rename_axis('Year', 1).set_index('City').stack().reset_index(name='Value')

print(dfData)
 
 输出：  
     City  Year  Value
0  London  2005      3
1  London  2007      7
2   Paris  2005      2
3   Paris  2007      0
 
 选项2  
 使用melt ：  
dfData = dftmp.melt(id_vars='City', var_name='Year', value_name='Value')

print(dfData)
 
 输出：  
     City  Year  Value
0  London  2005      3
1   Paris  2005      2
2  London  2007      7
3   Paris  2007      0

You don't need the second dataframe, dfData. All the data you need is in the dfTmp. You just need to reshape dfTmp using the following: 
Option 1 
using set_index and stack 
dfData = dftmp.rename_axis('Year', 1).set_index('City').stack().reset_index(name='Value')

print(dfData)
 
Output: 
     City  Year  Value
0  London  2005      3
1  London  2007      7
2   Paris  2005      2
3   Paris  2007      0
 
Option 2 
using melt: 
dfData = dftmp.melt(id_vars='City', var_name='Year', value_name='Value')

print(dfData)
 
Output: 
     City  Year  Value
0  London  2005      3
1   Paris  2005      2
2  London  2007      7
3   Paris  2007      0

R合并列上的两个数据帧保留列(R Merge Two Dataframes on columns keep columns)

由于合并列在内部联接或数据框之间完全匹配时完全相同，因此只需将新列分配给剩余的列。你可以用transform()来做到这一点。下面添加了一个带paste0的outer()组合来检索所需的列顺序： matchkey <- transform(merge(df1, df2, by.x = c("fname1", "sname1"), by.y = c("fname2", "sname2")), ...

将两个DataFrame合并为一些相等的列(Merge two DataFrames with some equal columns)

通常你可以用适当的索引解决这个问题： df1.set_index(['id', 'noteId'], inplace=True) df1.update(df2) （如果你之后不想要那个索引，只需要df1.reset_index(inplace=True) ） Usually you can solve this with the proper index: df1.set_index(['id', 'noteId'], inplace=True) df1.update(df2) (And if...

比较并合并两个数据帧(Compare and merge two dataframes)

library(dplyr) df1 = data.frame(c("A", "A", "A", "B", "B"), c(1, 11, 21, 35, 45), c(6, 20, 30, 40, 60), c(1, 2, 3, 4, 5), stringsAsFactors = F) colnames(df1) = c("X", "Y", "Z", "score") df2 = data.frame(c("A", "A", "A", "A", "B", "...

合并DataFrames与来自两个不同列的匹配值 - 熊猫(Merge DataFrames with Matching Values From Two Different Columns - Pandas [duplicate])

在pd.merge使用how='inner' ： merged_df = DF2.merge(DF1, how = 'inner', on = ['date', 'hours']) 这将执行和“内部连接”，从而省略每个数据帧中不匹配的行。因此，合并数据帧的右侧或左侧没有NaN。 Use how='inner' in pd.merge: merged_df = DF2.merge(DF1, how = 'inner', on = ['date', 'hours']) This will per...

基于日期合并两个数据帧时出错(Errors when merging two dataframes based on date)

它似乎是“日期”的类型，其中“2013-8-1”与“2013-08-1”不同。在合并它们之前： df1$date = as.Date(df1$date); df2$date = as.Date(df2$date); It seems the type of "date", where "2013-8-1" is different from "2013-08-1". before merge them: df1$date = as.Date(df1$date); df2$date = as.D...

如果索引和长度都不匹配，如何合并两个数据帧？(how to merge two dataframes if the index and length both do not match?)

您可以将reset_index与drop=True ，将索引重置为默认整数索引。 pd.concat([df_1.reset_index(drop=True), df_2.reset_index(drop=True)], axis=1) A B C D 0 1 2 3 10.0 1 4 5 6 11.0 2 7 8 9 12.0 3 Nan Nan Nan NaN You could use r...

Pandas：连接数据帧并合并相同列的值(Pandas: join dataframes and merge values of identical columns)

在数据pd.merge的长度或绝对数量很大时，在循环中调用pd.merge会导致二次复制和性能降低。所以尽可能避免这种情况。在这里，似乎我们想要在Time和Filter_type列时垂直连接DataFrames，并且我们希望在DataFrames缺少Filter_type列时水平连接： frames = [df.set_index('Time') for df in frames] filter_type_frames = pd.concat(frames[:4], axis=0) resul...

KnockoutJS Mapping toJS忽略嵌套键(KnockoutJS Mapping toJS ignore nested keys)

满意答案

选项1

使用set_index和stack

选项2

使用melt ：

Option 1

using set_index and stack

Option 2

using melt:

相关问答

相关文章

最新问答

使用`set_index`和`stack`

使用`melt` ：

using `set_index` and `stack`

using `melt`: