当前位置:首页 > 文章列表 > Golang > Go问答 > 如何正确地将数据分组以获得树形结构?

如何正确地将数据分组以获得树形结构?

来源:stackoverflow 2024-04-06 09:03:40 0浏览 收藏

最近发现不少小伙伴都对Golang很感兴趣,所以今天继续给大家介绍Golang相关的知识,本文《如何正确地将数据分组以获得树形结构?》主要内容涉及到等等知识点,希望能帮到你!当然如果阅读本文时存在不同想法,可以在评论中表达,但是请勿使用过激的措辞~

问题内容

在golang应用程序中,我对这样的表进行查询:

| id        | agg_year | agg_month | gender | age_range | income_range | total |
|-----------|----------|-----------|--------|-----------|--------------|-------|
| 107502389 | 2019     | 7         | f      | 18_29     | 1000_2000    | 15    |
| 107502389 | 2019     | 7         | f      | 18_29     | 2000_4000    | 42    |
| 107502389 | 2019     | 7         | f      | 30_44     | 1000_2000    | 25    |
| 107502389 | 2019     | 7         | f      | 30_44     | 2000_4000    | 63    |
| 107502389 | 2019     | 7         | m      | 18_29     | 1000_2000    | 30    |
| 107502389 | 2019     | 7         | m      | 18_29     | 2000_4000    | 18    |
| 107502389 | 2019     | 7         | m      | 30_44     | 1000_2000    | 36    |
| 107502389 | 2019     | 7         | m      | 30_44     | 2000_4000    | 19    |

该表存储某月某工资水平的男性和女性总数信息。通常,对数据库进行查询后,每条记录都会被一一单独解析:

type entry struct {
    id int `json:"id"`
    aggyear int `json:"agg_year"`
    aggmonth int `json:"agg_month"`
    gender string `json:"gender"`
    agerange string `json:"age_range"`
    incomerange string `json:"income_range"`
    total int `json:"total"`
}

var entries []entry

rows, err := database.query("***"); if err != nil {
    fmt.println(err)
    return
}

defer rows.close()

for rows.next() {
    var entry entry

    if err = rows.scan(&entry.id, &entry.aggmethod, &entry.aggyear, &entry.aggmonth, &entry.gender, &entry.agerange, &entry.incomerange, &entry.total); err != nil {
        fmt.println(err)
        return
    }

    entries = append(entries, entry)
}

type incomedetails struct {
    incomerange string `json:"income_range"`
    total int `json:"total"`
}

type agedetails struct {
    agerange string `json:"age_range"`
    details []incomedetails `json:"details"`
}

type genderdetails struct {
    gender string `json:"gender"`
    details []agedetails `json:"details"`
}

type entrydetails struct {
    aggyear int `json:"agg_year"`
    aggmonth int `json:"agg_month"`
    details []genderdetails `json:"details"`
}

type dataentry struct {
    id int `json:"id"`
    details []entrydetails `json:"details"`
}

var entrydetails []entrydetails

i:= 0
for i < len(entries) {
    var genderdetails []genderdetails
    aggyear := entries[i].aggyear
    aggmonth := entries[i].aggmonth

    for aggyear == entries[i].aggyear && aggmonth == entries[i].aggmonth {
        gender := entries[i].gender
        var agedetails []agedetails
        for gender == entries[i].gender {
            agerange := entries[i].agerange
            var incomedetails []incomedetails

            for agerange == entries[i].agerange && gender == entries[i].gender { // <- runtime error: index out of range
                incomedetail := incomedetails{entries[i].incomerange, entries[i].total}
                incomedetails = append(incomedetails, incomedetail)
                i++
            }
            agedetail := agedetails{entries[i-1].agerange, incomedetails}
            agedetails = append(agedetails, agedetail)
            i++
        }
        genderdetail := genderdetails{entries[i-1].gender, agedetails}
        genderdetails = append(genderdetails, genderdetail)
        i++
    }
    entrydetail := entrydetails{entries[i-1].aggyear, entries[i-1].aggmonth, genderdetails}
    entrydetails = append(entrydetails, entrydetail)
    i++
}

我想知道对以下值进行分组的最佳方法,如下例所示?我想了解操作的顺序。我将不胜感激任何帮助。

[
    {
        "id": 107502389,
        "details": [
            {
                "agg_year": 2019,
                "agg_month": 7,
                "details": [
                    {
                        "gender": "F",
                        "details": [
                            {
                                "age_range": "18_29",
                                "details": [
                                    {
                                        "income_range": "1000_2000",
                                        "total": "15"
                                    },
                                    {
                                        "income_range": "2000_4000",
                                        "total": "42"
                                    },
                                ]
                            },
                            {
                                "age_range": "30_44",
                                "details": [
                                    {
                                        "income_range": "1000_2000",
                                        "total": "25"
                                    },
                                    {
                                        "income_range": "2000_4000",
                                        "total": "63"
                                    },
                                ]
                            }
                        ]
                    },
                    {
                        "gender": "M",
                        "details": [
                            {
                                "age_range": "18_29",
                                "details": [
                                    {
                                        "income_range": "1000_2000",
                                        "total": "30"
                                    },
                                    {
                                        "income_range": "2000_4000",
                                        "total": "18"
                                    },
                                ]
                            },
                            {
                                "age_range": "30_44",
                                "details": [
                                    {
                                        "income_range": "1000_2000",
                                        "total": "36"
                                    },
                                    {
                                        "income_range": "2000_4000",
                                        "total": "19"
                                    },
                                ]
                            }
                        ]
                    }
                ]
            }
        ]
    }
]

解决方案


通常,我会根据我想要的响应来更新结构。例如,在您的情况下,它将是:

type DataEntry struct {
    ID int `json:"id"`
    Details []EntryDetails `json:"details"`
}

type EntryDetails struct { 
    AggYear int `json:"agg_year"`
    AggMonth int `json:"agg_month"`
    Details []GenderDetails `json:"details"`
}

type GenderDetails struct {
    Gender string `json:"gender"`
    Details []AgeDetails `json:"details"`
} 

type AgeDetails struct {
    AgeRange string `json:"age_range"`
    Details []IncomeDetails `json:"details"`
}

type IncomeDetails struct { 
    IncomeRange string `json:"income_range"`
    Total int `json:"total"`
}

将代码分成更小的部分总是更容易阅读和维护。

下一部分将详细信息添加到结构中:您应该根据要求查询代码以一一填充结构。例如:首先是 getid-'entry struct',然后是 id-'entrydetails struct' 的 getaggyear 和 getaggmonth,依此类推。

您可以在这里找到完整的工作程序:https://play.golang.org/p/_pdb5y9Wd-O

享受吧!

今天带大家了解了的相关知识,希望对你有所帮助;关于Golang的技术知识我们会一点点深入介绍,欢迎大家关注golang学习网公众号,一起学习编程~

版本声明
本文转载于:stackoverflow 如有侵犯,请联系study_golang@163.com删除
SpringBoot升级指定jackson版本的问题怎么解决SpringBoot升级指定jackson版本的问题怎么解决
上一篇
SpringBoot升级指定jackson版本的问题怎么解决
WIN10按F8无法进安全模式的处理方法
下一篇
WIN10按F8无法进安全模式的处理方法
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    75次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    161次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    98次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    75次使用
  • CMMLU中文大模型评估基准:功能、使用教程与应用场景解析
    CMMLU
    深入了解CMMLU中文评估基准,涵盖67个学科主题,提供数据集下载、Zero-shot/Five-shot评估方法及排行榜,助力优化中文语言模型性能。
    53次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议隐私政策
返回登录
  • 重置密码