本文介绍了如何根据特定条件高效地过滤Python字典，并创建两个新的字典，分别包含符合条件的键值对。通过使用dict.items()迭代字典项和any()函数进行条件判断，避免了不必要的列表转换和嵌套循环，从而提高了代码的效率和可读性。文章提供了详细的代码示例和解释，帮助读者理解和应用这种高效的字典过滤方法。
在Python编程中，经常需要根据某些条件从现有字典中提取数据，并创建新的字典。例如，根据字典的值是否包含特定的字符串来分类数据。本文将介绍一种高效的方法，使用dict.items()迭代字典项，并结合any()函数进行条件判断，从而避免不必要的列表转换和嵌套循环，提高代码的效率和可读性。
字典过滤的常见需求
假设我们有一个字典，其中键是字符串类型的ID，值是包含特定代码的字符串。我们需要根据这些代码将字典分成两个新的字典：一个包含以 "23C1"、"23C2"、"24C2" 或 "24C1" 开头的代码的键值对，另一个包含以 "23P1"、"23P2"、"24P2" 或 "24P1" 开头的代码的键值对。
高效的字典过滤方法
以下代码展示了如何使用 dict.items() 和 any() 函数来实现高效的字典过滤：
立即学习“Python免费学习笔记（深入）”；
dct = {'48689': 'FINNIFTY02JAN24C20900', '46624': 'FINNIFTY09JAN24P20900', '40811':
'NIFTY14DEC23C20750', '40812': 'NIFTY14DEC23P20750', '40813': 'NIFTY14DEC23C20800', '40814':
'NIFTY14DEC23P20800', '40817': 'NIFTY14DEC23C20850', '40818': 'NIFTY14DEC23P20850', '40828':
'NIFTY14DEC23C20900', '40832': 'NIFTY14DEC23P20900', '40834': 'NIFTY14DEC23C20950', '40839':
'NIFTY14DEC23P20950'}
dict_C = {}
dict_P = {}
arrC = ["23C1", "23C2", "24C2", "24C1"]
arrP = ["23P1", "23P2", "24P2", "24P1"]
for key, value in dct.items():
if any(x in value for x in arrC):
dict_C[key] = value
elif any(x in value for x in arrP):
dict_P[key] = value
print("dict_C -", dict_C)
print("dict_P -", dict_P)代码解释：
- 初始化空字典： 首先，我们创建两个空字典 dict_C 和 dict_P，用于存储过滤后的键值对。
- 定义过滤条件列表： arrC 和 arrP 分别存储用于过滤 C 类和 P 类代码的字符串列表。
- 迭代字典项： 使用 dct.items() 方法迭代原始字典 dct 的键值对。
- 使用 any() 函数进行条件判断： any(x in value for x in arrC) 检查 value 中是否包含 arrC 列表中的任何一个字符串。如果包含，则将当前的键值对添加到 dict_C 中。elif any(x in value for x in arrP) 同理，检查 value 中是否包含 arrP 列表中的任何一个字符串，如果包含，则将当前的键值对添加到 dict_P 中。
输出结果：
dict_C - {'48689': 'FINNIFTY02JAN24C20900', '40811': 'NIFTY14DEC23C20750', '40813': 'NIFTY14DEC23C20800', '40817': 'NIFTY14DEC23C20850', '40828': 'NIFTY14DEC23C20900', '40834': 'NIFTY14DEC23C20950'}
dict_P - {'46624': 'FINNIFTY09JAN24P20900', '40812': 'NIFTY14DEC23P20750', '40814': 'NIFTY14DEC23P20800', '40818': 'NIFTY14DEC23P20850', '40832': 'NIFTY14DEC23P20900', '40839': 'NIFTY14DEC23P20950'}优势与注意事项
- 效率： dict.items() 提供了高效的字典迭代方式，避免了创建中间列表。any() 函数在找到第一个匹配项后立即停止，避免了不必要的循环。
- 可读性： 代码结构清晰，易于理解和维护。
- 灵活性： 可以轻松地修改过滤条件，以适应不同的需求。
注意事项：
- 确保过滤条件列表 arrC 和 arrP 包含所有需要匹配的字符串。
- 如果字典的值需要进行更复杂的模式匹配，可以考虑使用正则表达式。
总结
本文介绍了一种使用 Python 高效过滤字典并创建新字典的方法。通过使用 dict.items() 迭代字典项和 any() 函数进行条件判断，避免了不必要的列表转换和嵌套循环，从而提高了代码的效率和可读性。这种方法可以广泛应用于各种需要根据特定条件从字典中提取数据的场景。
