我是FastAPI和WebSocket的新手。似乎可以将一些Dataframe输出发布到localhost并将其用于另一个进程。目前，我正在使用xlwings进行此操作，这稍微慢一点。有人可以建议如何使用FastAPI和WebSocket实现这一点吗？我试着按照FastAPI文档来做，但是我不太清楚。
zed5wv101#
尝试from fastapi import FastAPI from fastapi.responses import JSONResponse from pydantic import BaseModel import pandas as pd app = FastAPI（） class DataFrameInput（BaseModel）：#使用Pydantic BaseModel数据定义DataFrame输入的结构：pd.DataFrame @ app.post（“/receive_rame”）c def receive_rame（rame_input：DataFrameInput）：received_rame = rame_input.data #处理收到的rame或保存以备将来使用return JSONResponse（content={“message”：“Dataframe received successfully”}）
from fastapi import FastAPI from fastapi.responses import JSONResponse from pydantic import BaseModel import pandas as pd app = FastAPI（） class DataFrameInput（BaseModel）：#使用Pydantic BaseModel数据定义DataFrame输入的结构：pd.DataFrame @ app.post（“/receive_rame”）c def receive_rame（rame_input：DataFrameInput）：received_rame = rame_input.data #处理收到的rame或保存以备将来使用return JSONResponse（content={“message”：“Dataframe received successfully”}）
1条答案
按热度按时间zed5wv101#
尝试
from fastapi import FastAPI from fastapi.responses import JSONResponse from pydantic import BaseModel import pandas as pd app = FastAPI（） class DataFrameInput（BaseModel）：#使用Pydantic BaseModel数据定义DataFrame输入的结构：pd.DataFrame @ app.post（“/receive_rame”）c def receive_rame（rame_input：DataFrameInput）：received_rame = rame_input.data #处理收到的rame或保存以备将来使用return JSONResponse（content={“message”：“Dataframe received successfully”}）