Python字典高效过滤：创建满足特定条件的新字典

本文将介绍如何高效地根据特定条件过滤Python字典，并创建两个新的字典。原始字典中的每个键值对将根据值中是否包含特定字符串而被分配到两个新字典中的一个。我们将使用 items() 方法遍历字典，并结合 any() 函数进行条件判断，以实现简洁高效的过滤。

使用 items() 方法和 any() 函数过滤字典

假设我们有一个字典 dct，我们希望根据其值中的特定字符串，将其拆分为两个新的字典 dict_C 和 dict_P。dict_C 包含值中包含 “23C1”, “23C2”, “24C2”, “24C1” 中任意一个字符串的键值对，而 dict_P 包含值中包含 “23P1”, “23P2”, “24P2”, “24P1” 中任意一个字符串的键值对。

以下是实现此功能的 Python 代码：

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：

立即学习“Python免费学习笔记（深入）”；

1. 初始化字典： 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。
2. 定义过滤条件： arrC 和 arrP 列表分别存储用于过滤 dict_C 和 dict_P 的字符串。
3. 遍历字典： 使用 dct.items() 方法遍历原始字典 dct，该方法返回一个包含键值对的迭代器。
4. 条件判断： 对于每个键值对，我们使用 any() 函数检查值中是否包含 arrC 或 arrP 中的任何一个字符串。any(x in value for x in arrC) 的含义是：对于 arrC 中的每一个字符串 x，如果 x 存在于 value 中，则 any() 函数返回 True。
5. 分配键值对： 如果 any(x in value for x in arrC) 返回 True，则将该键值对添加到 dict_C 中。如果 any(x in value for x in arrP) 返回 True，则将该键值对添加到 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'}

总结

通过使用 items() 方法和 any() 函数，我们可以简洁高效地过滤 Python 字典，并根据特定条件创建新的字典。这种方法避免了冗余的循环操作，提高了代码的可读性和执行效率。在处理需要根据特定条件拆分字典的场景中，这种方法非常实用。