讲师中心 微信公众号

工具推荐

视频效率加速
AniShort
AniShort

AI短剧协同制作平台

立刻MV
立刻MV

低成本歌曲 MV、视频生成

Seko
Seko

AI短剧一键生成成片

updream

一键生成高质量推广成片

如何在循环中动态构建嵌套列表并避免属性覆盖

落婷大大_3488

落婷大大_3488

发布时间:2026-11-22 11:59:29

|

789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属性覆盖

本文讲解如何基于分组后的 dataframe 数据,正确构建包含多层嵌套结构(如客户信息 + 多个保单详情)的 json-like 字典列表,重点解决因重复赋值导致的字段覆盖问题,并提供清晰、可复用的 python 实现方案。

本文讲解如何基于分组后的 dataframe 数据,正确构建包含多层嵌套结构(如客户信息 + 多个保单详情)的 json-like 字典列表,重点解决因重复赋值导致的字段覆盖问题,并提供清晰、可复用的 python 实现方案。

在处理客户与多保单关联的数据时,常见需求是将每个客户的公共属性(如姓名、联系方式)与其多个保单明细(如 Policy_No、Receipt_No 等)分离建模,形成类似 { "Id": "...", "attributes": { "u_fn": "...", "policies_details": [ {...}, {...} ] } } 的嵌套结构。原始代码中直接在 for j in i["attributes"] 循环内反复赋值 attributes["Policy_No"] 和 attributes["Receipt_No"],导致后一次迭代覆盖前一次结果——这是典型的非累积式覆盖错误。

要正确实现“一对多”嵌套,核心思路是:
✅ 分离关注点:将客户级静态属性(仅需取第一条记录即可)与保单级动态列表(需遍历全部)明确区分;
✅ 预定义键集合:通过 attribute_keys 和 policy_details_keys 显式声明字段归属,提升可读性与可维护性;
✅ 使用字典解包(|)组合结构:避免手动逐字段赋值,利用 Python 3.9+ 的合并操作符安全拼接;
✅ 构造列表而非单值:对保单字段,用列表推导式生成 policies_details,确保所有记录被保留。

以下是完整、可运行的优化实现:

import pandas as pd
import json

# 原始数据(同题干)
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,每组转为 records 列表(保持原始行结构)
grouped = df.groupby('customer_id').apply(
    lambda x: x[['u_fn', 'u_ln', 'Customer_Type_ID', 'u_em', 'u_mb', 
                  '# of policies', 'Company_ID', 'Branch_ID', 'Policy_No', 'Receipt_No']].to_dict('records')
).reset_index(name='attributes')

# 步骤2:定义字段分类(清晰、易维护)
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:构建最终嵌套结构
results = []
for contact in grouped.to_dict('records'):
    # 提取客户 ID
    customer_id = contact["customer_id"]
    attributes_list = contact["attributes"]  # 当前客户的所有原始行(含多条保单)

    # ✅ 客户级属性:取第一条记录的指定字段(所有行相同,故任取其一)
    base_attrs = {key: attributes_list[0][key] for key in attribute_keys}

    # ✅ 保单详情列表:遍历所有行,提取 policy 相关字段
    policies_details = [
        {key: attr[key] for key in policy_details_keys}
        for attr in attributes_list
    ]

    # ✅ 合并:base_attrs + {"policies details": policies_details}
    final_attributes = base_attrs | {"policies details": policies_details}

    # ✅ 构建顶层对象
    results.append({
        "Id": customer_id,
        "attributes": final_attributes
    })

# 输出验证(格式化 JSON)
print(json.dumps(results, indent=2, ensure_ascii=False))

关键注意事项:

  • ⚠️ 不要在循环内重复赋值同一字典键:如 attributes["Receipt_No"] = ... 会覆盖前值;应始终用 list.append() 或列表推导式构建集合。
  • ⚠️ 确保字段归属无歧义:# of policies 是客户维度统计值(标量),而 Receipt_No 是保单维度明细(多值),二者不可混存于同一层级。
  • ⚠️ 兼容性提示:字典合并操作符 | 需 Python ≥ 3.9;若使用旧版本,请替换为 dict(a, **b) 或 a.update(b)(注意后者会就地修改)。
  • ✅ 扩展友好:新增字段只需加入对应 *_keys 列表,逻辑无需改动。

该方案结构清晰、语义明确,彻底规避了覆盖陷阱,可直接集成到 ETL 流程或 API 响应构造中。

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
UpDream
UpDream Hot

一款AI视频创作工具,主要用于哔哩哔哩推出的自研AI视频创作工具,适合需要提升相关任务效率的用户。

切问学术

切问学术是一款AI论文写作工具,复旦大学NLP团队推出的AI学术智能体。

讯飞智作

讯飞智作是一款AI视频创作工具,AI文本配音工具,数字人课程、营销视频制作。

码上飞
码上飞 Hot

一款基于自然语言的AI应用开发平台,可根据用户描述自动生成应用程序,帮助个人和团队快速完成应用原型与开发。

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。

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。

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。

Atoms
Atoms Hot

Atoms是一款AI智能体工具,第一支自动构建真实业务的 AI 团队。

小橡皮AI

一款AI工具,主要用于小橡皮一键去AI味,将机器味重的内容改得更有活人感,防止因为 AI 内容被平台打上 AI 标签,以及限流,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