如何解决Python:合并两个字典
这是我当前的代码:
Set-ExecutionPolicy -ExecutionPolicy Unrestricted
这是我目前得到的结果:
A = {1 : "one",2 : "two"}
B = {2 : "dva",3 : "three"}
d = {}
for key in set(list(A.keys()) + list(B.keys())):
try:
d.setdefault(key,[]).append(A[key])
except KeyError:
pass
try:
d.setdefault(key,[]).append(B[key])
except KeyError:
pass
print(d)
我需要做什么才能得到如下所示的结果?
{1: ['one'],2: ['two','dva'],3: ['three']}
解决方法
您可以首先使用 dict
运算符创建一个新的 **
:
new_dict = {**A,**B}
>>> new_dict
{1: 'one',2: 'dva',3: 'three'}
然后在 for
键的交集上循环 set
:
>>> for dupe_key in set(A) & set(B):
... new_dict[dupe_key] = [A[dupe_key],B[dupe_key]]
...
>>> new_dict
{1: 'one',2: ['two','dva'],3: 'three'}
,
此代码实现了您的需求:
A = {1 : "one",2 : "two"}
B = {2 : "dva",3 : "three"}
d = A.copy()
for key,val in B.items():
if key in d:
if isinstance(d[key],list):
d[key].append(val)
else:
d[key] = [d[key],val]
else:
d[key] = val
print(d)
但是,正如评论中提到的,它的通用性较差,这意味着您必须每次都检查值的类型(更多的 if-else 检查)才能使用它。
,这是一个快速的解决方案:
A = {1 : "one",3 : "three"}
d = {**A}
for k,v in B.items():
d[k] = [d[k],v] if k in d else v
print(d)
输出:
{1: 'one',3: 'three'}
这是一个更通用的解决方案,适用于无限数量的字典:
def cool_dict_merge(dicts_list):
d = {**dicts_list[0]}
for entry in dicts_list[1:]:
for k,v in entry.items():
d[k] = ([d[k],v] if k in d and type(d[k]) != list
else [*d[k],v] if k in d
else v)
return d
测试:
>>> A = {1: "one",2: "two"}
>>> B = {2: "dva",3: "three"}
>>> C = {2: "chewbacca",3: "ThReE",4: "four"}
>>> D = {0: "zero",4: "jack",5: "five"}
>>> cool_dict_merge([A,B,C,D])
{1: 'one','dva','chewbacca'],3: ['three','ThReE'],4: ['four','jack'],0: 'zero',5: 'five'}
请注意,正如其他人指出的那样,在大多数情况下,您当前获得的结果可能更可取,因为它更具通用性且更易于使用。不过,我们不知道您的用例,因此请使用您觉得最舒服的方法。
,我使用字典和 groupby 组来查找类似的数据集。 Pandas 非常适合将数据转换为字典、元组或列表。
A = {1 : "one",3 : "three"}
z1=zip(A.keys(),A.values())
z2=zip(B.keys(),B.values())
mylist=[]
mylist.append(list(z1))
mylist.append(list(z2))
variables=[]
phrases=[]
for item in mylist:
for k,v in item:
variables.append(k)
phrases.append(v)
df=pd.DataFrame(zip(variables,phrases),columns=['variable','phrase'])
grpDictionary=df.groupby('variable').groups
resultDictionary={}
for key,values in grpDictionary.items():
resultDictionary[key]=" ".join(df.iloc[values]['phrase'])
print(resultDictionary)
输出:
{1: 'one',2: 'two dva',3: 'three'}
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。