我有以下字典结构。

product1 = {'product_tmpl_id': product_id,
'qty':product_uom_qty,
'price':price_unit,
'subtotal':price_subtotal,
'total':price_total,
}


然后是产品列表,列表中的每个项目都是具有上述结构的字典

list_ = [product1,product2,product3,.....]


我需要对列表中的项求和,并按键product_tmpl_id进行分组……我使用的是dictcollections,但它仅求和了qty键,我需要对除product_tmpl_id以外的键进行求和,这是进行分组的标准

c = defaultdict(float)
for d in list_:
    c[d['product_tmpl_id']] += d['qty']
c = [{'product_id': id, 'qty': qty} for id, qty in c.items()]


我知道如何通过for迭代来做到这一点,但是试图寻找一种更pythonic的方式

谢谢

编辑:

需要通过的是:

lst = [
{'Name': 'A', 'qty':100,'price':10},
{'Name': 'A', 'qty':100,'price':10},
{'Name': 'A', 'qty':100,'price':10},
{'Name': 'B', 'qty':100,'price':10},
{'Name': 'C', 'qty':100,'price':10},
{'Name': 'C', 'qty':100,'price':10},
]


对此

group_lst = [
{'Name': 'A', 'qty':300,'price':30},
{'Name': 'B', 'qty':100,'price':10},
{'Name': 'C', 'qty':200,'price':20},
]

最佳答案

使用基本的Python,这并没有得到很多更好的结果。您可以与itertools.groupby一起破解某些东西,但是它很丑陋,而且速度可能较慢,当然还不清楚。

但是,正如@ 9769953所建议的那样,Pandas是处理此类结构化表格数据的好软件包。

In [1]: import pandas as pd
In [2]: df = pd.DataFrame(lst)
Out[2]:
  Name  price  qty
0    A     10  100
1    A     10  100
2    A     10  100
3    B     10  100
4    C     10  100
5    C     10  100
In [3]: df.groupby('Name').agg(sum)
Out[3]:
      price  qty
Name
A        30  300
B        10  100
C        20  200


如果您不想将数据保留为数据帧,则只需要一点额外的mojo:

In [4]: grouped = df.groupby('Name', as_index=False).agg(sum)
In [5]: list(grouped.T.to_dict().values())
Out[5]:
[{'Name': 'A', 'price': 30, 'qty': 300},
 {'Name': 'B', 'price': 10, 'qty': 100},
 {'Name': 'C', 'price': 20, 'qty': 200}]

关于python - 用一个键将多个键的字典相加的最有效方法是什么?,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/50974070/

10-12 23:05