本文详解如何正确过滤“字典嵌套列表再嵌套字典”结构中满足条件的内层字典，指出常见误用（如错误作用于外层键值对）并提供可复用的字典推导式方案。
本文详解如何正确过滤“字典嵌套列表再嵌套字典”结构中满足条件的内层字典，指出常见误用（如错误作用于外层键值对）并提供可复用的字典推导式方案。
在处理金融、时序或配置类数据时，常遇到类似 {'IBM': [{'ticker': 'IBM', 'end_date': 99999999}, ...], 'MRK': [...]} 的三层嵌套结构。此时若需提取所有 end_date == 99999999 的内层字典，关键在于明确过滤层级：原始代码中 positions.values() 返回的是各股票对应的整个列表（如 [dict1, dict2, dict3]），而条件 position[0].get('end_date') == 99999999 仅检查每个列表的首个元素——一旦满足，整条列表就被无差别保留，导致结果包含所有子项（包括 end_date == 0 的无效记录）。
正确做法是深入到最内层字典进行逐项判断。使用嵌套字典推导式可清晰表达意图：
positions = {
'IBM': [
{'ticker': 'IBM', 'start_date': '20240415', 'end_date': 99999999},
{'ticker': 'IBM', 'start_date': '20240416', 'end_date': 0},
{'ticker': 'IBM', 'start_date': '20240417', 'end_date': 99999999}],
'MRK': [
{'ticker': 'mmm', 'start_date': '20240415', 'end_date': 99999999},
{'ticker': 'mmm', 'start_date': '20240416', 'end_date': 0},
{'ticker': 'mmm', 'start_date': '20240417', 'end_date': 99999999}]
}
# ✅ 正确：按 key 重建字典，对每个 value（即列表）内部做 filter
new_pos = {
key: [pos for pos in value if pos.get('end_date') == 99999999]
for key, value in positions.items()
}
print(new_pos)
# 输出：
# {
# 'IBM': [{'ticker': 'IBM', 'start_date': '20240415', 'end_date': 99999999},
# {'ticker': 'IBM', 'start_date': '20240417', 'end_date': 99999999}],
# 'MRK': [{'ticker': 'mmm', 'start_date': '20240415', 'end_date': 99999999},
# {'ticker': 'mmm', 'start_date': '20240417', 'end_date': 99999999}]
# }注意事项：
- 使用 .get('end_date') 而非直接访问 ['end_date']，避免因字段缺失引发 KeyError；
- 若需兼容字符串型日期（如 '99999999'），应统一类型转换：int(pos.get('end_date', 0)) == 99999999；
- 对大规模数据，可考虑 filter() + list() 替代列表推导式以提升可读性，但性能差异通常可忽略；
- 最终结构保持原始键名，便于后续按股票代码索引，符合实际业务逻辑。
此方法兼顾可读性、健壮性与扩展性，是处理多层嵌套结构过滤任务的标准范式。
