合并dict列表并添加新值答案

【问题标题】：Merge list of dict and add new values合并dict列表并添加新值
【发布时间】：2021-11-10 09:58:24
【问题描述】：

我需要在不使用熊猫的情况下按条件合并 2 个字典列表

x1 - 事实值

x1 = [{'id': '94ffe1d6-0afa-11ec-b139-4cd98f4d62e3',
  'fact_group': '0.05',
  'probability': 0.2},
 {'id': '86ae0229-0af8-11ec-be8c-4cd98f847094',
  'fact_group': '0.05',
  'probability': 0.56},
 {'id': '867ef7ac-0af8-11ec-be8c-4cd98f847094',
  'fact_group': '0.2',
  'probability': 0.31},
 {'id': '211bc00c-0af6-11ec-b139-4cd98f4d62e3',
  'fact_group': '0.2',
  'probability': 0.96}]

x2 - 带有到标签点的间隔概率的字典列表

x2 = [{'group': 0.05,
  'predict_labels': 0,
  'predict_intervals_min': 0.00,
  'predict_intervals_max': 0.6},
 {'group': 0.05,
  'predict_labels': 1,
  'predict_intervals_min': 0.6,
  'predict_intervals_max': 1.0},
 {'group': 0.2,
  'predict_labels': 2,
  'predict_intervals_min': 0.0,
  'predict_intervals_max': 0.45},
 {'group': 0.2,
  'predict_labels': 3,
  'predict_intervals_min': 0.45,
  'predict_intervals_max': 1.0}]

我需要通过x1['fact_group'] & x2['group'] 合并它们和x1['probability']>=x2['predict_intervals_min'] 和x1['probability']<x2['predict_intervals_max']

预期：通过阈值和组更新 x2['predict_labels'] 来更新 x1

x3 = [{'id': '94ffe1d6-0afa-11ec-b139-4cd98f4d62e3',
  'predict_labels': 1,
  'fact_group': '0.05',
 'predict_labels': 0,
  'probability': 0.2},
 {'id': '86ae0229-0af8-11ec-be8c-4cd98f847094',
  'predict_labels': 1,
  'fact_group': '0.05',
  'predict_labels': 0,
  'probability': 0.56},
 {'id': '867ef7ac-0af8-11ec-be8c-4cd98f847094',
  'fact_group': '0.2',
  'predict_labels': 2,
  'probability': 0.31},
 {'id': '211bc00c-0af6-11ec-b139-4cd98f4d62e3',
  'fact_group': '0.2',
  'predict_labels': 3,
  'probability': 0.96}]

【问题讨论】：

标签： python json list dictionary merge

【解决方案1】：

我建议你这个简单的解决方案：

result = []

for y1 in x1:
    for y2 in x2:
        if (y1['fact_group'] == str(y2['group'])) and \
           (y1['probability'] >= y2['predict_intervals_min']) and \
           (y1['probability'] <  y2['predict_intervals_max']):
            d = y1
            d['predict_labels'] = y2['predict_labels']
            result.append(d)

print(result)

【讨论】：