在Python（pymssql）中跳过键而不进行类型检查

我需要访问一个

dict

的所有非整数键，它看起来像：

result = { 
           0 : "value 1",
           1 : "value 2",
           "key 1" : "value 1",
           "key 2" : "value 2", 
         }

我目前正在通过以下方式进行此操作：

headers = [header for header in tmp_dict.keys() if not isinstance(header, int)]

我的问题:

是否有一种方法可以在不进行类型检查的情况下执行此操作

这个

tmp_dict

来自使用

pymssql

和

as_dict=True

属性的查询，出于某种原因，它返回所有包含预期数据的列名，但也包括由整数索引的相同数据。如何将查询结果作为只包含列值和数据的字典 谢谢你的帮助

---

PS-尽管我的问题可以通过回答2来解决，但我很好奇，如果不进行类型检查，怎么能做到这一点。主要针对那些说“永远不要进行类型检查”的人。

查看pymssql（1.0.2）的源代码，很明显模块没有不生成整数索引数据的选项。但请注意，如果列名为空，则可以忽略按列名索引的数据

/* mssqldbmodule.c */
PyObject *fetch_next_row_dict(_mssql_connection *conn, int raise) {
    [...]
    for (col = 1; col <= conn->num_columns; col++) {
        [...]
        // add key by column name, do not add if name == ''
        if (strlen(PyString_AS_STRING(name)) != 0)
            if ((PyDict_SetItem(dict, name, val)) == -1)
                return NULL;

        // add key by column number
        if ((PyDict_SetItem(dict, PyInt_FromLong(col-1), val)) == -1)
            return NULL;
    }
    [...]
}

---

查看pymssql（1.0.2）的源代码，很明显模块没有不生成整数索引数据的选项。但请注意，如果列名为空，则可以忽略按列名索引的数据

/* mssqldbmodule.c */
PyObject *fetch_next_row_dict(_mssql_connection *conn, int raise) {
    [...]
    for (col = 1; col <= conn->num_columns; col++) {
        [...]
        // add key by column name, do not add if name == ''
        if (strlen(PyString_AS_STRING(name)) != 0)
            if ((PyDict_SetItem(dict, name, val)) == -1)
                return NULL;

        // add key by column number
        if ((PyDict_SetItem(dict, PyInt_FromLong(col-1), val)) == -1)
            return NULL;
    }
    [...]
}

这将删除重复的

整数键输入

入口。我觉得你现在做的很好

---

这将删除重复的

整数键输入

入口。不过，我认为您所做的很好。

关于您关于类型检查的问题，duck-type方法将是查看它是否可以转换为或用作

int

def can_be_int(obj):
    try:
        int(obj)
    except (TypeError, ValueError):
        return False
    return True

headers = [header for header in tmp_dict.keys() if not can_be_int(header)]

请注意，

float

s可以通过截断它们来转换为

int

s，因此这不一定完全等效

上面的一个细微变化是使用

强制（0，obj）

代替

int（obj）

。这将允许将任何类型的对象转换为具有整数的公共类型。您还可以执行类似于

0+obj和1*obj

的操作，以检查可用于整数数学表达式的内容

您还可以检查其字符串表示形式是否都是数字：

headers = [header for header in tmp_dict.keys() if not str(header).isdigit()]

这可能更接近于不使用类型检查的解决方案，尽管它会更慢，当然，列名完全可能是仅为数字的字符串！（老实说，许多这样的方法都会失败。）

---

有时显式类型检查确实是最好的选择，这就是为什么该语言有允许您检查类型的工具。在这种情况下，我认为您很好，特别是因为结果字典被记录为只有整数和字符串作为键。您使用的方法是正确的，使用

isinstance（）

而不是显式检查

type（）==int

关于类型检查的问题，duck-type方法是查看它是否可以转换为或用作

int

def can_be_int(obj):
    try:
        int(obj)
    except (TypeError, ValueError):
        return False
    return True

headers = [header for header in tmp_dict.keys() if not can_be_int(header)]

请注意，

float

s可以通过截断它们来转换为

int

s，因此这不一定完全等效

上面的一个细微变化是使用

强制（0，obj）

代替

int（obj）

。这将允许将任何类型的对象转换为具有整数的公共类型。您还可以执行类似于

0+obj和1*obj

的操作，以检查可用于整数数学表达式的内容

您还可以检查其字符串表示形式是否都是数字：

headers = [header for header in tmp_dict.keys() if not str(header).isdigit()]

这可能更接近于不使用类型检查的解决方案，尽管它会更慢，当然，列名完全可能是仅为数字的字符串！（老实说，许多这样的方法都会失败。）

---

有时显式类型检查确实是最好的选择，这就是为什么该语言有允许您检查类型的工具。在这种情况下，我认为您很好，特别是因为结果字典被记录为只有整数和字符串作为键。通过使用

isinstance（）

而不是显式地检查

type（）==int

来正确地进行操作

as_dict=True

背后的基本原理是，您可以通过索引和名称进行访问。通常情况下，您会得到一个索引到的

元组

，但出于兼容性原因，能够将

dict

作为

元组

索引，这意味着依赖于列编号的代码仍然可以工作，而不需要知道列名是可用的

def can_be_int(obj):
    try:
        int(obj)
    except (TypeError, ValueError):
        return False
    return True

headers = [header for header in tmp_dict.keys() if not can_be_int(header)]

如果您只是使用

result

检索列（按名称或索引），我不明白您为什么要删除它们？不管怎样，都要坚持下去。（除非出于某种原因，您计划在其他地方pickle或以其他方式持久化数据…）

不过，最好的过滤方法是使用

isinstance

——在这种情况下，duck键入实际上是不和谐且效率低下的。例如：

names_only = dict( (k, v) for k,v in result.iteritems() if not isinstance(k, int) )

---

不要使用

尝试
和
除了
舞蹈。
使用
as_dict=True
的基本原理是，您可以按索引和名称访问。通常情况下，您会得到一个索引到的
元组
，但出于兼容性原因，能够将
dict
作为
元组
索引，这意味着依赖于列编号的代码仍然可以工作，而不需要知道列名是可用的

如果您只是使用
result
检索列（按名称或索引），我不明白您为什么要删除它们？不管怎样，都要坚持下去。（除非出于某种原因，您计划在其他地方pickle或以其他方式持久化数据…）

不过，最好的过滤方法是使用
isinstance
——在这种情况下，duck键入实际上是非音速的，而且