Python中处理嵌套字典与列表的数据提取与过滤教程

本文旨在指导读者如何在python中高效地从复杂的嵌套字典与列表结构中提取特定数据，并应用条件过滤。我们将通过一个实际案例，详细演示如何遍历多层数据结构，精准定位所需信息，并根据业务逻辑（如排除特定条件的数据）对结果进行筛选，最终生成一个结构清晰、符合要求的数据集。

引言：处理复杂数据结构的挑战

在Python开发中，我们经常需要处理来自API响应、配置文件或JSON文件等来源的复杂数据结构。这些数据通常以嵌套的字典和列表形式呈现，如何从中精准地提取所需信息并进行清洗，是数据处理的关键环节。本教程将以一个典型的嵌套数据结构为例，演示如何通过迭代和条件判断，实现数据的提取与过滤。

示例数据结构

假设我们有一个名为 repo 的Python字典，其结构如下所示。我们的目标是从这个结构中提取 balances 列表下的每个资产信息，但仅保留 asset、free 和 locked 这三个字段，并且需要排除那些 free 和 locked 值都为 '0' 的条目。

repo = {
    'code': 200,
    'msg': '',
    'snapshotVos': [
        {
            'data': {
                'balances': [
                    {'asset': 'ADD', 'free': '10', 'locked': '0'},
                    {'asset': 'RDP', 'free': '0', 'locked': '0'},
                    {'asset': 'SHIB', 'free': '0', 'locked': '947415'}
                ],
                'totalAsset': '152'
            },
            'type': 'spot',
            'updateTime': 1703807999000
        }
    ]
}

数据提取与过滤的步骤

为了实现目标，我们需要执行以下步骤：

定位到目标列表： 首先，我们需要导航到 snapshotVos 列表，然后进入其每个元素的 data 字典，最后找到 balances 列表。
遍历目标列表： 对 balances 列表中的每一个字典元素进行迭代。
应用过滤条件： 在每次迭代中，检查当前字典元素的 free 和 locked 字段。如果两者都为 '0'，则跳过该条目。
提取指定字段： 对于符合条件的条目，提取 asset、free 和 locked 这三个字段的值，并将其组织成一个新的字典。
收集结果： 将所有符合条件且已提取字段的新字典收集到一个新的列表中。

实现代码

以下是实现上述逻辑的Python代码：

repo = {
    'code': 200,
    'msg': '',
    'snapshotVos': [
        {
            'data': {
                'balances': [
                    {'asset': 'ADD', 'free': '10', 'locked': '0'},
                    {'asset': 'RDP', 'free': '0', 'locked': '0'},
                    {'asset': 'SHIB', 'free': '0', 'locked': '947415'}
                ],
                'totalAsset': '152'
            },
            'type': 'spot',
            'updateTime': 1703807999000
        }
    ]
}

# 用于存储最终结果的列表
filtered_balances_data = []

# 1. 遍历 'snapshotVos' 列表
for snapshot_entry in repo.get('snapshotVos', []):
    # 2. 从每个 snapshot_entry 中获取 'data' 字典
    # 使用 .get() 方法可以避免键不存在时引发 KeyError
    data_entry = snapshot_entry.get('data', {})

    # 3. 从 'data_entry' 中获取 'balances' 列表
    balances_list = data_entry.get('balances', [])

    # 4. 遍历 'balances' 列表中的每一个资产字典
    for balance_item in balances_list:
        # 5. 获取 'free' 和 'locked' 的值，同样使用 .get() 确保健壮性
        # 默认值设为 '0' 以便进行后续的条件判断，即使键缺失
        free_value = balance_item.get('free', '0')
        locked_value = balance_item.get('locked', '0')

        # 6. 应用过滤条件：如果 'free' 和 'locked' 都不是 '0'，则保留
        # 或者说，如果不是两者都为 '0'，则保留
        if not (free_value == '0' and locked_value == '0'):
            # 7. 提取所需的 'asset', 'free', 'locked' 字段
            extracted_item = {
                'asset': balance_item.get('asset'),
                'free': free_value,
                'locked': locked_value
            }
            # 8. 将提取出的字典添加到结果列表中
            filtered_balances_data.append(extracted_item)

# 打印最终结果
print(filtered_balances_data)

代码解析与注意事项

dict.get(key, default_value) 的使用： 在代码中，我们大量使用了字典的 get() 方法（例如 repo.get('snapshotVos', [])）。这是一个非常重要的最佳实践，它允许你在尝试访问字典中可能不存在的键时，提供一个默认值（例如空列表 [] 或空字典 {}），而不是直接引发 KeyError 异常，从而增强了代码的健壮性。
嵌套循环： 由于数据是多层嵌套的，我们需要使用嵌套的 for 循环来逐层深入。外层循环遍历 snapshotVos 列表，内层循环则遍历每个 snapshot_entry 中的 balances 列表。
条件判断与过滤： 过滤逻辑 if not (free_value == '0' and locked_value == '0'): 精确地实现了需求。它排除了那些 free 和 locked 字段值都为字符串 '0' 的条目。请注意，这里是字符串 '0' 的比较，如果数据类型是数字，则应转换为 int(free_value) == 0 进行比较。
数据类型一致性： 在进行条件判断时，务必注意数据类型。本例中 free 和 locked 的值是字符串 '0'，因此比较时也使用字符串。如果它们是整数，则需要先进行类型转换，例如 int(free_value)。
结果结构： 最终的结果 filtered_balances_data 是一个列表，其中每个元素都是一个字典，只包含 asset、free 和 locked 这三个键值对，这符合了“需要键”的要求。

运行结果

执行上述代码，将得到以下输出：

[{'asset': 'ADD', 'free': '10', 'locked': '0'}, {'asset': 'SHIB', 'free': '0', 'locked': '947415'}]

可以看到，{'asset': 'RDP', 'free': '0', 'locked': '0'} 这个条目因为满足过滤条件而被成功移除。

总结

通过本教程，我们学习了如何在Python中处理复杂的嵌套字典和列表结构。掌握 dict.get() 方法、嵌套循环以及精确的条件判断是高效数据提取和过滤的关键。在实际开发中，这些技术能够帮助我们从海量数据中筛选出有价值的信息，为后续的数据分析和业务逻辑处理打下坚实的基础。记住，代码的健壮性和可读性同样重要，合理使用 get() 方法和清晰的变量命名能够显著提升代码质量。

# python # js # json # app # 配置文件 # 键值对 # red

返回目录在线咨询

上一篇：Java中继承thread类与实现Runnable接口的比较
下一篇：Java的SPI机制实例详解

您的项目需求

*请认真填写需求信息，我们会在24小时内与您取得联系。

全网整合营销服务商