Python中从复杂嵌套字典中提取并重构数据-Python教程-PHP中文网

Python中从复杂嵌套字典中提取并重构数据

碧海醫心

发布： 2025-09-21 10:59:28

原创

1046人浏览过

Python中从复杂嵌套字典中提取并重构数据

本教程详细介绍了如何利用Python的字典推导式（Dictionary Comprehension），高效地从嵌套字典结构中提取特定键值对，并将其重构为新的、扁平化的字典。通过一个实际的API数据示例，文章演示了如何将列表中的每个子字典的token和tsym字段转换为新字典的键和值，从而实现数据的精准筛选与重组，提升数据处理的简洁性和效率。

1. 数据结构分析

在实际的编程任务中，我们经常会遇到从api或其他数据源获取的复杂嵌套数据结构。例如，以下是一个典型的api响应数据，它是一个字典，其中包含一个键为'1'的列表，而该列表又由多个包含金融工具详细信息的字典组成：

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'}
    ]
}

登录后复制

这个my_dict的类型是<class 'dict'>，并且len(my_dict)返回1，表明它只有一个顶级键。我们需要处理的是其内部列表中的每个字典。

2. 目标转换

我们的目标是从上述复杂数据中提取特定信息，并将其重构为一个新的、更易于操作的字典。具体来说，我们希望将每个内部字典中的'token'值作为新字典的键，而'tsym'值作为新字典的值。最终期望的输出格式如下：

new_dict = {
    '43214': 'NIFTY07DEC23C20700',
    '43218': 'NIFTY07DEC23P20700',
    '43206': 'NIFTY07DEC23C20600',
    '43207': 'NIFTY07DEC23P20600'
}

登录后复制

3. 解决方案：字典推导式

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。它允许我们在一行代码中迭代一个可迭代对象（如列表），并根据每个元素生成键值对，从而构建新的字典。

针对我们的需求，可以使用如下字典推导式来实现数据转换：

立即学习“Python免费学习笔记（深入）”；

dct = {d['token']: d['tsym'] for d in my_dict['1']}

登录后复制

4. 代码详解

让我们逐步解析这个字典推导式：

my_dict['1']: 首先，我们通过键'1'访问my_dict，获取到包含所有金融工具详细信息的列表。这是我们进行迭代的基础数据源。
for d in my_dict['1']: 这是一个标准的for循环语法，它会遍历my_dict['1']这个列表中的每一个元素。在每次迭代中，变量d将代表列表中的一个子字典（例如，{'exch': 'NFO', 'token': '43214', ...}）。
d['token']: 对于每次迭代中的子字典d，我们使用键'token'来提取其对应的值。这个值将作为新字典的键。
d['tsym']: 同样，我们使用键'tsym'来提取其对应的值。这个值将作为新字典的值。
{d['token']: d['tsym'] ...}: 整个结构{key_expression: value_expression for item in iterable}是字典推导式的核心。它指示Python为iterable中的每个item计算key_expression和value_expression，并将它们作为新的键值对添加到最终的字典中。

将上述代码应用于我们的my_dict，dct变量将包含我们期望的重构后的字典。

即构数智人

即构数智人是由即构科技推出的AI虚拟数字人视频创作平台，支持数字人形象定制、短视频创作、数字人直播等。

查看详情

5. 完整示例与输出

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'}
    ]
}

# 使用字典推导式提取并重构数据
new_dict = {d['token']: d['tsym'] for d in my_dict['1']}

print(new_dict)

登录后复制

输出结果：

{'43214': 'NIFTY07DEC23C20700', '43218': 'NIFTY07DEC23P20700', '43206': 'NIFTY07DEC23C20600', '43207': 'NIFTY07DEC23P20600'}

登录后复制

6. 注意事项与最佳实践

键的唯一性：字典的键必须是唯一的。如果原始数据中存在重复的'token'值，那么在重构后的字典中，后面的重复键会覆盖前面的键值对。请确保您选择的键在逻辑上是唯一的，或者您接受这种覆盖行为。
键值存在性检查：在实际应用中，如果my_dict['1']中的某个子字典可能不包含'token'或'tsym'键，直接使用d['token']或d['tsym']会引发KeyError。为了增加代码的健壮性，可以使用.get()方法提供默认值，或在推导式中添加条件过滤：
```
# 使用 .get() 避免 KeyError，并过滤掉缺失关键字段的项
new_dict_robust = {
    d.get('token'): d.get('tsym')
    for d in my_dict.get('1', []) # 使用 .get('1', []) 避免 my_dict 中没有 '1' 键时出错
    if d.get('token') is not None and d.get('tsym') is not None
}
```
登录后复制
性能：字典推导式通常比传统的for循环结合dict.update()或逐个添加键值对的方式更高效，因为它在C语言级别实现，减少了Python解释器的开销。对于大规模数据集，这种性能优势会更加明显。
可读性：字典推导式以其简洁性提高了代码的可读性，尤其是在进行简单的一对一或一对多映射时。