本文详细介绍了如何从复杂的嵌套字典结构中提取特定键值对，并将其转换为一个新的、扁平化的字典。通过利用Python的字典推导式，教程展示了如何高效地将API返回的列表嵌套字典数据，重构为以特定字段（如token）为键，另一字段（如tsym）为值的目标字典，从而实现数据的精准筛选和格式化。
在处理从api或其他数据源获取的复杂数据时，我们经常会遇到嵌套的字典和列表结构。理解如何有效地从这些结构中提取和转换所需信息是python数据处理的关键技能。本教程将以一个典型的场景为例，演示如何将一个包含多层嵌套的字典数据，转换为一个更易于访问和使用的新字典。
理解原始数据结构
假设我们从经纪商的API获取了以下数据，其类型为Python字典：
my_dict = { '1': [ {'exch': 'NFO', 'token': '43214', 'tsym': 'NIFTY07DEC23C20700', 'weekly': 'W1', 'dname': 'NIFTY 07DEC23 20700 CE ', 'instname': 'OPTIDX', 'pp': '2', 'ls': '50', 'ti': '0.05', 'optt': 'CE'}, {'exch': 'NFO', 'token': '43218', 'tsym': 'NIFTY07DEC23P20700', 'weekly': 'W1', 'dname': 'NIFTY 07DEC23 20700 PE ', 'instname': 'OPTIDX', 'pp': '2', 'ls': '50', 'ti': '0.05', 'optt': 'PE'}, {'exch': 'NFO', 'token': '43206', 'tsym': 'NIFTY07DEC23C20600', 'weekly': 'W1', 'dname': 'NIFTY 07DEC23 20600 CE ', 'instname': 'OPTIDX', 'pp': '2', 'ls': '50', 'ti': '0.05', 'optt': 'CE'}, {'exch': 'NFO', 'token': '43207', 'tsym': 'NIFTY07DEC23P20600', 'weekly': 'W1', 'dname': 'NIFTY 07DEC23 20600 PE ', 'instname': 'OPTIDX', 'pp': '2', 'ls': '50', 'ti': '0.05', 'optt': 'PE'} ]}
这个my_dict的结构特点是：
它是一个字典，但只有一个顶级键 ‘1’。键 ‘1’ 对应的值是一个列表。这个列表中包含了多个字典，每个字典代表一个金融工具的详细信息，例如 ‘token’（代币）、’tsym’（交易符号）、’dname’（显示名称）等。
明确数据转换目标
我们的目标是从上述复杂结构中，提取每个内层字典的 ‘token’ 和 ‘tsym’ 字段，并构建一个新的字典。在这个新字典中，’token’ 的值将作为新字典的键，而 ‘tsym’ 的值将作为新字典的值。
期望的输出格式如下：
立即学习“Python免费学习笔记（深入）”；
{'43214': 'NIFTY07DEC23C20700', '43218': 'NIFTY07DEC23P20700', '43206': 'NIFTY07DEC23C20600', '43207': 'NIFTY07DEC23P20600'}
使用字典推导式进行高效转换
Python的字典推导式（Dictionary Comprehension）提供了一种简洁而高效的方式来创建字典。它允许我们通过遍历一个可迭代对象，并根据每个元素生成键值对来构建新字典。这正是解决我们当前问题的理想工具。
解决方案代码：
dct = {d['token']: d['tsym'] for d in my_dict['1']}
代码解析：
my_dict[‘1’]: 首先，我们通过键 ‘1’ 访问到原始字典中包含所有金融工具信息的列表。for d in my_dict[‘1’]: 这一部分遍历了列表中的每一个字典。在每次迭代中，当前的字典被赋值给变量 d。d[‘token’]: 对于每个字典 d，我们提取其 ‘token’ 键对应的值，这将作为新字典的键。d[‘tsym’]: 同样，我们提取每个字典 d 的 ‘tsym’ 键对应的值，这将作为新字典的值。{d[‘token’]: d[‘tsym’] …}: 整个表达式将遍历过程中生成的键值对组合起来，最终形成新的字典 dct。
完整示例：
my_dict = { '1': [ {'exch': 'NFO', 'token': '43214', 'tsym': 'NIFTY07DEC23C20700', 'weekly': 'W1', 'dname': 'NIFTY 07DEC23 20700 CE ', 'instname': 'OPTIDX', 'pp': '2', 'ls': '50', 'ti': '0.05', 'optt': 'CE'}, {'exch': 'NFO', 'token': '43218', 'tsym': 'NIFTY07DEC23P20700', 'weekly': 'W1', 'dname': 'NIFTY 07DEC23 20700 PE ', 'instname': 'OPTIDX', 'pp': '2', 'ls': '50', 'ti': '0.05', 'optt': 'PE'}, {'exch': 'NFO', 'token': '43206', 'tsym': 'NIFTY07DEC23C20600', 'weekly': 'W1', 'dname': 'NIFTY 07DEC23 20600 CE ', 'instname': 'OPTIDX', 'pp': '2', 'ls': '50', 'ti': '0.05', 'optt': 'CE'}, {'exch': 'NFO', 'token': '43207', 'tsym': 'NIFTY07DEC23P20600', 'weekly': 'W1', 'dname': 'NIFTY 07DEC23 20600 PE ', 'instname': 'OPTIDX', 'pp': '2', 'ls': '50', 'ti': '0.05', 'optt': 'PE'} ]}# 使用字典推导式进行转换dct = {d['token']: d['tsym'] for d in my_dict['1']}print(dct)
输出结果：
{'43214': 'NIFTY07DEC23C20700', '43218': 'NIFTY07DEC23P20700', '43206': 'NIFTY07DEC23C20600', '43207': 'NIFTY07DEC23P20600'}
注意事项与最佳实践
键的唯一性： 在使用字典推导式创建新字典时，请确保用作新字典键的原始字段（在本例中是 ‘token’）是唯一的。如果存在重复的 ‘token’ 值，则只有最后一个出现的键值对会被保留在新字典中。字段存在性： 在访问 d[‘token’] 和 d[‘tsym’] 时，假定这些键在每个内部字典中都存在。如果某个字典缺少这些键，将会引发 KeyError。在生产代码中，可以考虑使用 d.get(‘token’) 或添加条件判断来处理缺失键的情况，例如：
dct = {d.get('token'): d.get('tsym') for d in my_dict['1'] if 'token' in d and 'tsym' in d}# 或者处理None值dct = {d['token']: d.get('tsym', 'N/A') for d in my_dict['1'] if 'token' in d}
可读性和效率： 字典推导式是Python中处理此类数据转换任务的推荐方法，因为它兼具代码的简洁性、可读性和执行效率。相比于传统的 for 循环和手动 dict.update() 操作，推导式通常更优。
总结
本教程展示了如何利用Python的字典推导式，从复杂的嵌套字典数据中高效地提取和重构信息。通过理解数据结构和明确转换目标，我们可以编写出简洁、功能强大的代码，将原始数据转换为更符合业务逻辑需求的格式。掌握字典推导式是Python数据处理能力提升的重要一步，它能帮助开发者更有效地处理和分析各种复杂数据集。
以上就是Python中嵌套字典数据的高效过滤与转换的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1372932.html
微信扫一扫 
支付宝扫一扫 
