讲师中心 微信公众号

工具推荐

视频效率加速
立刻MV
立刻MV

低成本歌曲 MV、视频生成

updream

一键生成高质量推广成片

AniShort
AniShort

AI短剧协同制作平台

剧云
剧云

中文短剧剧本制作平台

如何在循环中动态构建嵌套列表并避免键值覆盖?

夜婷君_7034

夜婷君_7034

发布时间:2026-11-22 11:57:03

|

647人浏览过

|

来源于php中文网

原创

如何在循环中动态构建嵌套列表并避免键值覆盖?

本文详解如何基于分组后的 dataframe 数据,在 python 循环中正确构建含多层嵌套结构的 json-like 输出,重点解决因重复赋值导致的字段覆盖问题,并提供可复用的键分离策略与字典合并技巧。

本文详解如何基于分组后的 dataframe 数据,在 python 循环中正确构建含多层嵌套结构的 json-like 输出,重点解决因重复赋值导致的字段覆盖问题,并提供可复用的键分离策略与字典合并技巧。

在数据聚合场景中,常需将扁平化的表格结构(如客户-保单-收据关系)转换为层次化嵌套结构:每个客户(customer_id)对应一个顶层对象,其 attributes 字段包含基础信息(如姓名、联系方式),而 policy_details 则是一个列表,容纳该客户名下所有保单及其关联收据等明细。原始代码的问题在于——在 for j in i["attributes"] 循环中反复对同一字典 attributes 的相同键(如 "Policy_No"、"Receipt_No")赋值,导致仅保留最后一次迭代的值,从而丢失历史记录。

要实现预期的嵌套结构,关键在于职责分离与结构隔离:

  • 将不变的基础属性(如 u_fn, u_ln, u_em 等)从首条记录中提取一次;
  • 将可变的明细属性(如 Company_ID, Branch_ID, Policy_No, Receipt_No)逐条收集为独立字典列表;
  • 最后通过字典合并(| 运算符)组合成最终结构。

以下为优化后的完整实现(兼容 Python 3.9+):

import pandas as pd
import json

# 构造示例数据(同原文)
df = pd.DataFrame({
    'type': ['customer','customer','customer','customer'],
    'customer_id': ['1-0000001','1-0000001','1-0000002','1-0000002'],
    'u_fn': ['TestUser1_FirstName','TestUser1_FirstName','TestUser2_FirstName','TestUser2_FirstName'],
    'u_ln': ['TestUser1_LastName','TestUser1_LastName','TestUser2_LastName','TestUser2_LastName'],
    'Customer_Type_ID': ['ΦΥΣΙΚΟ','ΦΥΣΙΚΟ','ΦΥΣΙΚΟ','ΦΥΣΙΚΟ'],
    'u_em': ['<a class="__cf_email__" data-cfemail="84e7f1f7f0ebe9e1f6b5c4ebf0e1eae1f0aae3f6" href="/cdn-cgi/l/email-protection">[email protected]</a>','<a class="__cf_email__" data-cfemail="f1928482859e9c9483c0b19e85949f9485df9683" href="/cdn-cgi/l/email-protection">[email protected]</a>','<a class="__cf_email__" data-cfemail="cdaeb8beb9a2a0a8bfff8daaa0aca4a1e3aea2a0" href="/cdn-cgi/l/email-protection">[email protected]</a>','<a class="__cf_email__" data-cfemail="c5a6b0b6b1aaa8a0b7f785a2a8a4aca9eba6aaa8" href="/cdn-cgi/l/email-protection">[email protected]</a>'],
    'u_mb': ['6900000001','6900000001','6900000002','6900000002'],
    '# of policies':[2,2,2,2],
    'Company_ID': [2,2,2,2],
    'Branch_ID': [5,5,5,5],
    'Policy_No': ['000000001','000000001','000000002','000000002'],
    'Receipt_No': ['420000001','420000002','430000001','430000002']
})

# 步骤1:按 customer_id 分组,生成每客户的原始属性列表
grouped = df.groupby('customer_id').apply(
    lambda x: x[['u_fn', 'u_ln', 'Customer_Type_ID', 'u_em', 'u_mb', 
                 'Company_ID', 'Branch_ID', 'Policy_No', 'Receipt_No', '# of policies']].to_dict('records')
).reset_index(name='attributes')

# 步骤2:定义字段分类,提升可维护性
attribute_keys = ["u_fn", "u_ln", "Customer_Type_ID", "u_em", "u_mb", "# of policies"]
policy_details_keys = ["Company_ID", "Branch_ID", "Policy_No", "Receipt_No"]

# 步骤3:构建最终嵌套结果
results = []
for contact in grouped.to_dict('records'):
    # 提取基础属性(取第一条记录即可,因同客户下这些值一致)
    base_attrs = {key: contact["attributes"][0][key] for key in attribute_keys}

    # 构建 policy_details 列表(遍历所有记录,提取明细字段)
    policies = [
        {key: item[key] for key in policy_details_keys}
        for item in contact["attributes"]
    ]

    # 合并基础属性与明细列表
    attributes = base_attrs | {"policy_details": policies}

    # 组装最终对象
    results.append({
        "Id": contact["customer_id"],
        "attributes": attributes
    })

# 输出验证(格式化 JSON)
print(json.dumps(results, indent=4, ensure_ascii=False))

✅ 核心要点总结:

  • 避免覆盖:不再在循环内反复写入同一字典,而是先提取不变字段,再单独构建列表;
  • 键分离策略:显式声明 attribute_keys 和 policy_details_keys,使逻辑清晰、易于扩展;
  • 字典合并:利用 | 运算符安全合并字典,替代易出错的手动赋值;
  • 性能友好:无需额外嵌套 groupby 或中间列,全程基于内存数据操作。

⚠️ 注意事项:

  • 若基础字段(如 u_fn)在同客户下存在不一致,需改用 mode() 或自定义聚合逻辑;
  • Python dict1 | dict2 替换为 {**dict1, **dict2};
  • 实际生产环境建议添加异常处理(如空 attributes 列表校验),增强鲁棒性。

该方案不仅解决了原始问题,更形成了一种可迁移的数据结构转换范式,适用于各类“一对多”关系的嵌套建模需求。

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

热门AI工具

更多
讯飞绘文

讯飞绘文是一款由科大讯飞推出的一站式 AIGC 内容运营平台。

WorkBuddy

一款AI办公效率工具,主要用于腾讯云推出的AI原生桌面智能体工作台,适合需要提升相关任务效率的用户。

豆包大模型

豆包大模型是一款由字节跳动推出的企业级大语言模型服务平台。

笔灵降AI

一款AI论文写作工具,主要用于论文降AI神器,适配知网及维普!一键降至安全线,100%保留原文格式;无口语化问题,文风更学术,降后字数控制最佳!,适合需要提升相关任务效率的用户。

DeepSeek

DeepSeek是一款面向对话、写作、编程和推理场景的AI大模型工具。

音述AI
音述AI Hot

一款AI音频处理工具,主要用于音述AI是一个以“用声音述说故事”为核心的 AI 音乐创作与声音分享社区,适合需要提升相关任务效率的用户。

SkildArt
SkildArt Hot

SkildArt是一款AI文本写作工具,一站式 AI 视觉创作平台。

函子Zion

一款支持AI搭建、可视化编辑和多端发布的全栈无代码开发平台。

UP简历
UP简历 Hot

一款AI办公效率工具,主要用于基于AI技术的免费在线简历制作工具,适合需要提升相关任务效率的用户。

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

1971

2023.07.20

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

5664

2023.07.25

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

1929

2023.07.31

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

34817

2023.08.03

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

4047

2023.08.04

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

4067

2023.08.04

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

1303

2023.08.11

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

636

2023.08.10

Navicat创建数据库教程
Navicat创建数据库教程

本专题整理Navicat创建数据库相关教程,介绍新建前的准备、基础设置和创建后的检查方法。内容兼顾入门学习及实际使用需求,帮助用户了解不同数据库类型下的操作差异,为后续建表、保存数据和日常管理提供参考。

20

2026.11.20

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn