将图纸转换为无显式列名的Django对象
我使用的当前应用程序逐行解析图纸数据,并基于指定的一组列名为每行创建一个Django对象 下一步是扩展应用程序,使其在Django模型中不显式指定列名的情况下工作。数据(必须存储两个名称+值))可以作为显式属性存储,也可以存储在具有键->值映射的数据结构中。分类方法将用于根据学习算法对数据进行分类 如果事先不知道列名,如何做同样的事情 models.py:将图纸转换为无显式列名的Django对象,django,excel,python-3.x,django-models,django-rest-framework,Django,Excel,Python 3.x,Django Models,Django Rest Framework,我使用的当前应用程序逐行解析图纸数据,并基于指定的一组列名为每行创建一个Django对象 下一步是扩展应用程序,使其在Django模型中不显式指定列名的情况下工作。数据(必须存储两个名称+值))可以作为显式属性存储,也可以存储在具有键->值映射的数据结构中。分类方法将用于根据学习算法对数据进行分类 如果事先不知道列名,如何做同样的事情 models.py: class Samplemodel(models.Model): Name = models.CharField(max_lengt
class Samplemodel(models.Model):
Name = models.CharField(max_length=200, blank=True, null=True)
Phone = models.CharField(max_length=200, blank=True, null=True)
Email = models.CharField(max_length=200, blank=True, null=True)
Other = models.CharField(max_length=200, blank=True, null=True)
def __str__(self):
return self.Name
序列化程序.py
class SamplemodelSerializer(serializers.ModelSerializer):
class Meta:
model = Samplemodel
fields = ('Name', 'Phone', 'Email', 'Other')
models-generic.py:
class Genericmodel(models.Model):
c1name = models.CharField(max_length=200, blank=True, null=True)
c2name = models.CharField(max_length=200, blank=True, null=True)
c3name = models.CharField(max_length=200, blank=True, null=True)
c4name = models.CharField(max_length=200, blank=True, null=True)
...
class GenericSerializer(serializers.ModelSerializer):
class Meta:
model = Samplemodel
fields = ('c1name', 'c2name', 'c3name', 'c4name', ...)
serializers-generic.py:
class Genericmodel(models.Model):
c1name = models.CharField(max_length=200, blank=True, null=True)
c2name = models.CharField(max_length=200, blank=True, null=True)
c3name = models.CharField(max_length=200, blank=True, null=True)
c4name = models.CharField(max_length=200, blank=True, null=True)
...
class GenericSerializer(serializers.ModelSerializer):
class Meta:
model = Samplemodel
fields = ('c1name', 'c2name', 'c3name', 'c4name', ...)
我真的不明白你为什么需要两个模型
将未知值输入分类器。一些你如何得到你的4类概率(姓名,电话等)。使用最大概率标记未知值。对其他模型重复此过程,然后保存原始模型。您可能需要一些规则来解决歧义 首先,我不需要两个模型。第一个是我现在拥有的当前模型,第二个是更改后的相同模型,以便可以用通用数据填充。