小编cod*_*ird的帖子

我有一个 FastAPIGET端点，它返回大量 JSON 数据（约 160,000 行和 45 列）。毫不奇怪，使用返回数据非常json.dumps()慢。我首先使用文件中的数据读取数据json.loads()，并根据输入的参数对其进行过滤。有没有比使用更快的方法将数据返回给用户return data？以目前的状态，需要将近一分钟的时间。

我的代码目前如下所示：

# helper function to parse parquet file (where data is stored)
def parse_parquet(file_path):
    df = pd.read_parquet(file_path)
    result = df.to_json(orient = 'records')
    parsed = json.loads(result)
    return parsed
    

@app.get('/endpoint')
# has several more parameters
async def some_function(year = int | None = None, id = str | None = None):
    if year is None:
        data = parse_parquet(f'path/{year}_data.parquet')
    # no year
    if year is …

我正在尝试创建一个简单的函数，它将接受消息（字符串）并将其传递给openai.ChatCompletion.create()，但是当我使用 F 字符串时，它会返回一个对象错误。对调试Python不太熟悉，所以我有点卡在这里。

def get_response(message):
    
    response = openai.ChatCompletion.create(
        model = 'gpt-3.5-turbo',
        temperature = 1,
        messages = [
            f"{{'role': 'user', 'content': '{message}'}}"
        ]
    )
    return response.choices[0]["message"]["content"]

# get_response('What is 2 + 2?')

它返回：

InvalidRequestError: "{'role': 'user', 'content': 'What is 2 + 2?'}" is not of type 'object' - 'messages.0'

我想我可能需要将字符串转换为openai已创建的某个独特的类，但我不太确定如何执行。查看了源代码，但找不到对该类的引用。

这可能是一个深奥的问题或用例，但是filter当列名和值位于向量内部时，是否有快速获取 tibble 的方法？

假设我想过滤mpg和。我可以做类似的事情：hpmtcars

filter(mtcars, mpg >= 15 & hp >= 100)

相反，假设我有几种过滤情况——其中要在一个向量中过滤列，而在另一个向量中过滤值。（实际上，我可能在一个较大的 df 中有四到五个案例。）

car_stat <- c('mpg', 'hp')
car_value <- c(15, 100)

显然这是行不通的。

filter(mtcars, car_stat >= car_value)

但是是否有一些简洁的dplyr/tidyverse方法来使用向量进行过滤，或者我是否愿意使用某些循环将其分解为单独的向量，每个向量的长度为一？