在 python 中使用列表和字典答案

【问题标题】：working with lists and dictionaries in python在 python 中使用列表和字典
【发布时间】：2023-02-25 08:52:49
【问题描述】：

我确定我应该能够找到这个，但我已经看过了，但我似乎无法确定如何处理我正在寻找的一些用户案例。我想搜索字典列表，然后拉回一个子集或计算一个值出现的频率。

例如，从下面的列表中，我希望能够说

返回键“AP”中包含“WAP1”的所有字典的列表或返回键“network”=“net1”的列表数

所以根据逻辑搜索词返回一个新列表，其中仅包含前 2 个字典项和数字“3”

我用过，wap = next((item for item in ls_dict if item['AP']=='WAP1'),'none') 但这只会得到第一个项目。我也不确定为什么如果不使用“下一步”就不能工作并抛出这个错误。 <0x7f9146cba0 处的生成器对象>

在一天结束的时候，我希望能够在一个大列表中搜索一个 mac 地址的出现，或者拉出一个我可以用于未来操作的所有字典对象的列表，或者简单地计算它们出现的次数出现。

预先感谢您提供任何指导，我知道这一定很简单，但一直在寻找一段时间，但无法弄清楚。

> ls_dict = [{'network': 'NET1', 'AP': 'WAP1', 'MAC': 'FF01', 'ap_mac' : 'eeeeeeeeeeee'},
           {'network': 'NET1', 'AP': 'WAP1', 'MAC': 'FF02', 'ap_mac' : 'eeeeeeeeeeee'},
           {'network': 'NET1', 'AP': 'WAP2', 'MAC': 'FF03', 'ap_mac' : 'eeeeeeeeeeee'},
           {'network': 'NET2', 'AP': 'WAP3', 'MAC': 'FF04', 'ap_mac' : 'eeeeeeeeeeee'}]

【问题讨论】：

你知道列表理解，或者使用filter函数吗？
我没有，但自从阅读了你的评论后，我开始自学它们，这看起来是我正在寻找的东西，谢谢。

标签： python dictionary

【解决方案1】：

如果列表很大，您可能希望使用pandas 来处理数据帧。您始终可以使用 to_dict 导出（列表）词典：

import pandas as pd

ls_dict = [{'network': 'NET1', 'AP': 'WAP1', 'MAC': 'FF01', 'ap_mac' : 'eeeeeeeeeeee'},
           {'network': 'NET1', 'AP': 'WAP1', 'MAC': 'FF02', 'ap_mac' : 'eeeeeeeeeeee'},
           {'network': 'NET1', 'AP': 'WAP2', 'MAC': 'FF03', 'ap_mac' : 'eeeeeeeeeeee'},
           {'network': 'NET2', 'AP': 'WAP3', 'MAC': 'FF04', 'ap_mac' : 'eeeeeeeeeeee'}]

df = pd.DataFrame(ls_dict)
df[df['AP']=="WAP1"].to_dict(orient='record'))

输出：

[{'network': 'NET1', 'AP': 'WAP1', 'MAC': 'FF01', 'ap_mac': 'eeeeeeeeeeee'},
{'network': 'NET1', 'AP': 'WAP1', 'MAC': 'FF02', 'ap_mac': 'eeeeeeeeeeee'}]

或者：

len(df[df['network']=="NET1"]) # returns 3

【讨论】：

谢谢，我会查一下，有些列表可能超过 10,000，这看起来是一个简洁高效的解决方案，感谢您的输入。 apricate 你花时间去教育。

【解决方案2】：

大熊猫的回答是完全没问题，但海报和你们都对效率提出了要求。如果您从字典列表开始，从性能的角度来看，pandas 没有帮助。

让我们根据您的示例创建一些更大的数据：

import random

APs= [f"WAP{i}" for i in range(1, 9)]
ls_dict = [
    {'network': 'NET1', 'AP': random.choice(APs), 'MAC': 'FF01', 'ap_mac' : 'eeeeeeeeeeee'}
    for _ in range(10_000)
]

现在我们可以验证的一些测试方法返回相同的结果：

import pandas as pd

def t1(ls_dict):
    df = pd.DataFrame(ls_dict)
    return df[df['AP']=="WAP1"].to_dict(orient='records')

def t2(ls_dict):
    return [r for r in ls_dict if r["AP"] == "WAP1"]

print(t1(ls_dict) == t2(ls_dict))

这将（应该）导致True

所以撇开内存不谈，让我们看看这些使用timeit的表现如何：

setup = """
import pandas as pd
import random

APs= [f"WAP{i}" for i in range(1, 9)]
ls_dict = [
    {'network': 'NET1', 'AP': random.choice(APs), 'MAC': 'FF01', 'ap_mac' : 'eeeeeeeeeeee'}
    for _ in range(10_000)
]

ls_dict = [
    {'network': 'NET1', 'AP': 'WAP1', 'MAC': 'FF01', 'ap_mac' : 'eeeeeeeeeeee'},
    {'network': 'NET1', 'AP': 'WAP1', 'MAC': 'FF02', 'ap_mac' : 'eeeeeeeeeeee'},
    {'network': 'NET1', 'AP': 'WAP2', 'MAC': 'FF03', 'ap_mac' : 'eeeeeeeeeeee'},
    {'network': 'NET2', 'AP': 'WAP3', 'MAC': 'FF04', 'ap_mac' : 'eeeeeeeeeeee'}
] * 5_000

def t1(ls_dict):
    df = pd.DataFrame(ls_dict)
    return df[df['AP']=="WAP1"].to_dict(orient='records')

def t2(ls_dict):
    return [r for r in ls_dict if r["AP"] == "WAP1"]
"""

print(f'pandas dataframe: {timeit.timeit("t1(ls_dict)", setup=setup, number=100)}')
print(f'comprehension   : {timeit.timeit("t2(ls_dict)", setup=setup, number=100)}')

在我的系统上，结果是：

pandas dataframe: 3.5198207999928854
comprehension   : 0.08080889997654594

【讨论】：