0

0

Python字典迭代与列表转换:创建字典列表的正确姿势

聖光之護

聖光之護

发布时间:2025-10-07 10:49:01

|

311人浏览过

|

来源于php中文网

原创

Python字典迭代与列表转换:创建字典列表的正确姿势

本文旨在解决Python中将字典内容转换为字典列表时的常见误区。我们将探讨直接迭代字典为何只获取键,以及如何利用dict.items()方法正确地获取键值对,并通过列表推导式高效地构建出包含单个键值对的字典列表。同时,文章还将对比分析csv.DictReader等特殊场景下,其默认输出已是字典列表的特性,并指导如何基于此进行进一步的数据转换。

理解Python字典的迭代行为

python中,直接对字典进行迭代(例如使用for item in my_dict:)时,默认情况下迭代器会返回字典的所有键(keys),而不是键值对。这导致开发者在尝试将字典内容转换为包含键值对的列表时,可能会遇到只得到键的列表,而非预期的字典列表。

考虑以下示例,一个名为Taqueria的字典:

Taqueria = {
    "Baja Taco": 4.25,
    "Burrito": 7.50,
    "Bowl": 8.50,
    "Nachos": 11.00,
    "Quesadilla": 8.50,
    "Super Burrito": 8.50,
    "Super Quesadilla": 9.50,
    "Taco": 3.00,
    "Tortilla Salad": 8.00
}

lst = []
for i in Taqueria: # 直接迭代字典,i 将是键
    lst.append(i)

print(lst)

上述代码的输出将是:

['Baja Taco', 'Burrito', 'Bowl', 'Nachos', 'Quesadilla', 'Super Burrito', 'Super Quesadilla', 'Taco', 'Tortilla Salad']

这显然与我们期望的[{"Baja Taco": 4.25}, ...]形式的字典列表不符。

正确构建字典列表:使用 dict.items()

为了在迭代字典时同时获取键和值,我们应该使用字典的.items()方法。dict.items()会返回一个视图对象,该对象包含字典中所有的键值对,每个键值对以元组(key, value)的形式表示。结合列表推导式,我们可以简洁高效地构建出所需的字典列表。

立即学习Python免费学习笔记(深入)”;

以下是修正后的代码示例,它将Taqueria字典转换为一个由单个键值对字典组成的列表:

Taqueria = {
    "Baja Taco": 4.25,
    "Burrito": 7.50,
    "Bowl": 8.50,
    "Nachos": 11.00,
    "Quesadilla": 8.50,
    "Super Burrito": 8.50,
    "Super Quesadilla": 9.50,
    "Taco": 3.00,
    "Tortilla Salad": 8.00
}

# 使用 dict.items() 和列表推导式
lst = [{key: value} for key, value in Taqueria.items()]

print(lst)

运行这段代码,我们将得到预期的输出:

[{'Baja Taco': 4.25}, {'Burrito': 7.50}, {'Bowl': 8.50}, {'Nachos': 11.00}, {'Quesadilla': 8.50}, {'Super Burrito': 8.50}, {'Super Quesadilla': 9.50}, {'Taco': 3.00}, {'Tortilla Salad': 8.00}]

这里的列表推导式[{key: value} for key, value in Taqueria.items()]遍历Taqueria.items()返回的每一个(key, value)元组,并为每个元组创建一个新的单键值对字典{key: value},最终将这些字典收集到一个列表中。

处理 csv.DictReader 的输出

在某些情况下,数据源本身就提供了字典形式的数据,例如使用Python的csv模块中的csv.DictReader。csv.DictReader在读取CSV文件时,会将每一行数据解析为一个字典,其中列标题作为键,对应行的值作为值。因此,迭代csv.DictReader对象时,每次迭代都会返回一个完整的字典。

Face++旷视
Face++旷视

Face⁺⁺ AI开放平台

下载

考虑以下从CSV文件读取数据的例子:

import csv
import requests

# 模拟从URL获取CSV内容
download = requests.get(
    "https://raw.githubusercontent.com/saso1111/ddd/main/Book1.csv"
)
decoded_content = download.content.decode("utf-8")
file = decoded_content.splitlines() # 将字符串内容按行分割

reader = csv.DictReader(file)      

book = []

for row in reader: # reader 每次迭代返回一个字典
    book.append(row)

print(book)

假设Book1.csv包含如下数据:

state,fips
Washington,53
Illinois,17
California,6

上述代码的输出将是:

[{'state': 'Washington', 'fips': '53'}, {'state': 'Illinois', 'fips': '17'}, {'state': 'California', 'fips': '6'}]

在这种情况下,book列表已经是一个由字典组成的列表,每个字典代表CSV文件中的一行。如果我们的目标就是获取这样的列表,那么上述代码是完全正确的,不需要额外使用.items()。

然而,如果我们的目标是进一步转换这些字典,例如,只保留每个字典中的特定键值对,并以{state: fips}的形式表示,那么我们可以在迭代reader时进行相应的转换:

import csv
import requests

# 模拟从URL获取CSV内容
download = requests.get(
    "https://raw.githubusercontent.com/saso1111/ddd/main/Book1.csv"
)
decoded_content = download.content.decode("utf-8")
file = decoded_content.splitlines()

reader = csv.DictReader(file)      

# 使用列表推导式,从每个行字典中提取特定键值对
book = [{row['state']: row['fips']} for row in reader]

print(book)

这段代码将生成:

[{'Washington': '53'}, {'Illinois': '17'}, {'California': '6'}]

这里,row本身就是一个字典(例如{'state': 'Washington', 'fips': '53'}),我们通过row['state']和row['fips']访问其特定的键,并构建了一个新的字典。

总结与注意事项

  1. 字典直接迭代的默认行为:记住,直接迭代Python字典(for key in my_dict:)只会得到键。
  2. 获取键值对:要同时获取键和值,请使用my_dict.items()。它返回一个包含(key, value)元组的视图。
  3. 列表推导式:列表推导式是构建新列表的强大且简洁的工具,尤其适用于从现有可迭代对象转换数据。
  4. 数据源的输出类型:在处理像csv.DictReader这样的数据源时,要理解其默认输出类型。csv.DictReader已经为每行数据生成了字典,因此无需像处理普通字典那样使用.items()来获取键值对。
  5. 明确需求:在进行数据转换前,清晰地定义最终列表的结构是关键。是需要包含所有原始键值对的字典列表,还是只包含特定键值对的字典列表?根据需求选择合适的迭代和构建方式。

通过掌握这些基本概念和技巧,可以有效地避免在Python中处理字典和列表转换时常见的陷阱,从而编写出更健壮、高效的代码。

热门AI工具

更多
DeepSeek
DeepSeek

幻方量化公司旗下的开源大模型平台

豆包大模型
豆包大模型

字节跳动自主研发的一系列大型语言模型

WorkBuddy
WorkBuddy

腾讯云推出的AI原生桌面智能体工作台

腾讯元宝
腾讯元宝

腾讯混元平台推出的AI助手

文心一言
文心一言

文心一言是百度开发的AI聊天机器人,通过对话可以生成各种形式的内容。

讯飞写作
讯飞写作

基于讯飞星火大模型的AI写作工具,可以快速生成新闻稿件、品宣文案、工作总结、心得体会等各种文文稿

即梦AI
即梦AI

一站式AI创作平台,免费AI图片和视频生成。

ChatGPT
ChatGPT

最最强大的AI聊天机器人程序,ChatGPT不单是聊天机器人,还能进行撰写邮件、视频脚本、文案、翻译、代码等任务。

相关专题

更多
TypeScript类型系统进阶与大型前端项目实践
TypeScript类型系统进阶与大型前端项目实践

本专题围绕 TypeScript 在大型前端项目中的应用展开,深入讲解类型系统设计与工程化开发方法。内容包括泛型与高级类型、类型推断机制、声明文件编写、模块化结构设计以及代码规范管理。通过真实项目案例分析,帮助开发者构建类型安全、结构清晰、易维护的前端工程体系,提高团队协作效率与代码质量。

49

2026.03.13

Python异步编程与Asyncio高并发应用实践
Python异步编程与Asyncio高并发应用实践

本专题围绕 Python 异步编程模型展开,深入讲解 Asyncio 框架的核心原理与应用实践。内容包括事件循环机制、协程任务调度、异步 IO 处理以及并发任务管理策略。通过构建高并发网络请求与异步数据处理案例,帮助开发者掌握 Python 在高并发场景中的高效开发方法,并提升系统资源利用率与整体运行性能。

89

2026.03.12

C# ASP.NET Core微服务架构与API网关实践
C# ASP.NET Core微服务架构与API网关实践

本专题围绕 C# 在现代后端架构中的微服务实践展开,系统讲解基于 ASP.NET Core 构建可扩展服务体系的核心方法。内容涵盖服务拆分策略、RESTful API 设计、服务间通信、API 网关统一入口管理以及服务治理机制。通过真实项目案例,帮助开发者掌握构建高可用微服务系统的关键技术,提高系统的可扩展性与维护效率。

276

2026.03.11

Go高并发任务调度与Goroutine池化实践
Go高并发任务调度与Goroutine池化实践

本专题围绕 Go 语言在高并发任务处理场景中的实践展开,系统讲解 Goroutine 调度模型、Channel 通信机制以及并发控制策略。内容包括任务队列设计、Goroutine 池化管理、资源限制控制以及并发任务的性能优化方法。通过实际案例演示,帮助开发者构建稳定高效的 Go 并发任务处理系统,提高系统在高负载环境下的处理能力与稳定性。

59

2026.03.10

Kotlin Android模块化架构与组件化开发实践
Kotlin Android模块化架构与组件化开发实践

本专题围绕 Kotlin 在 Android 应用开发中的架构实践展开,重点讲解模块化设计与组件化开发的实现思路。内容包括项目模块拆分策略、公共组件封装、依赖管理优化、路由通信机制以及大型项目的工程化管理方法。通过真实项目案例分析,帮助开发者构建结构清晰、易扩展且维护成本低的 Android 应用架构体系,提升团队协作效率与项目迭代速度。

99

2026.03.09

JavaScript浏览器渲染机制与前端性能优化实践
JavaScript浏览器渲染机制与前端性能优化实践

本专题围绕 JavaScript 在浏览器中的执行与渲染机制展开,系统讲解 DOM 构建、CSSOM 解析、重排与重绘原理,以及关键渲染路径优化方法。内容涵盖事件循环机制、异步任务调度、资源加载优化、代码拆分与懒加载等性能优化策略。通过真实前端项目案例,帮助开发者理解浏览器底层工作原理,并掌握提升网页加载速度与交互体验的实用技巧。

105

2026.03.06

Rust内存安全机制与所有权模型深度实践
Rust内存安全机制与所有权模型深度实践

本专题围绕 Rust 语言核心特性展开,深入讲解所有权机制、借用规则、生命周期管理以及智能指针等关键概念。通过系统级开发案例,分析内存安全保障原理与零成本抽象优势,并结合并发场景讲解 Send 与 Sync 特性实现机制。帮助开发者真正理解 Rust 的设计哲学,掌握在高性能与安全性并重场景中的工程实践能力。

230

2026.03.05

PHP高性能API设计与Laravel服务架构实践
PHP高性能API设计与Laravel服务架构实践

本专题围绕 PHP 在现代 Web 后端开发中的高性能实践展开,重点讲解基于 Laravel 框架构建可扩展 API 服务的核心方法。内容涵盖路由与中间件机制、服务容器与依赖注入、接口版本管理、缓存策略设计以及队列异步处理方案。同时结合高并发场景,深入分析性能瓶颈定位与优化思路,帮助开发者构建稳定、高效、易维护的 PHP 后端服务体系。

619

2026.03.04

AI安装教程大全
AI安装教程大全

2026最全AI工具安装教程专题:包含各版本AI绘图、AI视频、智能办公软件的本地化部署手册。全篇零基础友好,附带最新模型下载地址、一键安装脚本及常见报错修复方案。每日更新,收藏这一篇就够了,让AI安装不再报错!

173

2026.03.04

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
相关推荐
/
热门推荐
/
最新课程
最新Python教程 从入门到精通
最新Python教程 从入门到精通

共4课时 | 22.5万人学习

Django 教程
Django 教程

共28课时 | 5万人学习

SciPy 教程
SciPy 教程

共10课时 | 1.9万人学习

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 技术交流群
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 | 湘ICP备2023035733号