本文介绍如何通过时间键（"time"）高效匹配两个字典列表，提取对应"value"字段构建键值对映射字典，避免 o(n²) 暴力遍历，推荐使用哈希索引实现 o(n+m) 线性时间复杂度。
在实际数据处理中（如日志对齐、API 响应比对、时序数据关联），我们常需基于某个唯一标识字段（如 "time"）合并两个结构相似的字典列表。直接使用 itertools.product 进行笛卡尔积比较虽直观，但时间复杂度为 O(n×m)，且难以优雅生成目标字典格式（如 {"def": "pqr", "ghi": "jkl"}）。更优解是预构建哈希索引——将 list1 按 "time" 字段建立字典映射，再单次遍历 list2 快速查找匹配项。
以下是推荐实现方式（清晰、高效、可读性强）：
list1 = [
{"time": "2024-01-29T18:32:24.000Z", "value": "abc"},
{"time": "2024-01-30T19:47:48.000Z", "value": "def"},
{"time": "2024-01-30T19:24:20.000Z", "value": "ghi"},
]
list2 = [
{"time": "2024-01-30T18:34:44.000Z", "value": "xyz"},
{"time": "2024-01-30T19:47:48.000Z", "value": "pqr"},
{"time": "2024-01-30T19:24:20.000Z", "value": "jkl"},
]
# 步骤1：构建 list1 的 time → dict 映射（O(n)）
time_to_dict1 = {d["time"]: d for d in list1}
# 步骤2：遍历 list2，查找匹配 time 并构建结果字典（O(m)）
result = {}
for d2 in list2:
t = d2["time"]
if t in time_to_dict1: # O(1) 哈希查找
d1 = time_to_dict1[t]
result[d1["value"]] = d2["value"]
print(result)
# 输出: {'def': 'pqr', 'ghi': 'jkl'}✅ 优势说明：
python全能编程助手
下载
SkillSub Pro - Python 题解与代码注释双功能技能功能概述SkillSub Pro - Python 题解与代码注释双功能技能是一项面向实际任务的技能，主要用于SkillSub Pro 是一个 Python 题解生成与代码注释的 双功能合体技能 ，专为学生、算法学习者和开发者设计；✅ 一个技能，两种用途 ：；核心要点📝 题解模式 ：输入题目/题号，自动生成完整 Python 题解（含详细注释、解题思路、复杂度分析）；💬 注释模式 ：输入 Python 代码，自动添加详细中。它将相关步骤、
- 时间复杂度：从 O(n×m) 降至 O(n + m)，大幅优化大规模数据性能；
- 空间换时间：仅额外使用 O(n) 空间存储索引，代价极小；
- 健壮性：自动跳过无匹配项，无需手动过滤 None；
- 可扩展性：若需反向映射（list2.value → list1.value）或多字段匹配，仅需微调键构造逻辑。
⚠️ 注意事项：
立即学习“Python免费学习笔记（深入）”；
- 确保 list1 中 "time" 值唯一，否则后出现的字典会覆盖先前同 key 的条目；若存在重复时间，需改用 defaultdict(list) 或先去重；
- 若 "time" 字段可能缺失，建议添加异常处理：if "time" in d and "value" in d；
- 不推荐用 lambda + filter/map 实现该逻辑——虽语法紧凑，但可读性差、调试困难，且无法规避嵌套循环本质。
? 进阶提示：若需支持模糊时间匹配（如 ±1 秒容差），可先将字符串转为 datetime 对象再计算差值；若数据量极大（百万级），可考虑使用 pandas.merge() 或 numpy 向量化操作进一步加速。
