Python中移除TableClient.query_entities()结果的EntityProperty后写入Pandas DataFrame

针对你遇到的整数字段返回(数值, EdmType.INT64)元组的问题，提供两种可行的解决方案：

方案一：生成DataFrame前处理（推荐） #

在遍历实体的阶段直接清理数据，避免后续DataFrame的批量处理开销，尤其适合大数据量场景。修改你的getATSdata函数，对每个实体的键值对做判断，提取元组中的实际数值：

import pandas as pd
from azure.core.credentials import AzureNamedKeyCredential
from azure.data.tables import TableServiceClient

def getATSdata(table_client, query_filter):
    for entity in table_client.query_entities(query_filter):
        cleaned_entity = {}
        for key, value in entity.items():
            # 识别包含EdmType的元组，提取第一个元素作为实际值
            if isinstance(value, tuple) and len(value) == 2:
                cleaned_entity[key] = value[0]
            else:
                cleaned_entity[key] = value
        yield cleaned_entity

if __name__ == "__main__":
    AccountName = 'AzureAccountName'
    Key = 'AzureAccountKey'
    Url = 'https://AzureAccountName.table.core.windows.net/'
    credentials = AzureNamedKeyCredential(AccountName, Key)
    table = 'AzureTable'
    filtr = "NonIntegerField eq 'criteria'"
    ts = TableServiceClient(endpoint=Url, credential=credentials)
    tc = ts.get_table_client(table)
    df = pd.DataFrame(getATSdata(tc, filtr))

处理后生成的DataFrame中，整数字段会直接显示纯数值，和非整数字段格式一致。

方案二：生成DataFrame后处理 #

如果已经生成了包含元组的DataFrame，可以通过批量转换列值来清理数据：

批量处理所有可能的元组字段 #

遍历DataFrame的所有列，自动识别包含元组的列并提取数值：

for col in df.columns:
    # 检查列中是否存在元组类型元素
    if df[col].apply(lambda x: isinstance(x, tuple)).any():
        df[col] = df[col].apply(lambda x: x[0] if isinstance(x, tuple) else x)

针对特定字段处理 #

如果你明确知道哪些是整数字段，可以直接指定列处理，效率更高：

# 替换为你的整数字段名
df['IntegerField'] = df['IntegerField'].apply(lambda x: x[0])

内容的提问来源于stack exchange，提问作者HoRace