如何從具有優先值的字典串列中提取唯一字典

我有下面的字典

test = [ { 'id': '195', 'Name': 'i', 'Email': '[email protected]', 'role': 'Product' }, 
        { 'id': '219', 'Name': 'umar', 'Email': '[email protected]', 'role': 'Product' }, 
        { 'id': '74', 'Name': 'Are', 'Email': '[email protected]', 'role': 'Tester' },
        { 'id': '24', 'Name': 'Mee', 'Email': '[email protected]', 'role': 'Tester' },
        { 'id': '230', 'Name': 'abc', 'Email': '[email protected]', 'role': 'Tester' },
        { 'id': '220', 'Name': 'Sc', 'Email': '[email protected]', 'role': 'Product' },
        { 'id': '230', 'Name': 'Sn', 'Email': '[email protected]', 'role': 'Tester' } ] 

• 我需要從上面的串列字典中提取唯一的電子郵件
• 我需要給予角色偏好Product然后Tester

我的代碼如下

dict([(d['Email'], d) for d in test]).values()

我的出局：

dict_values([{'id': '195', 'Name': 'i', 'Email': '[email protected]', 'role': 'Product'}, 
{'id': '219', 'Name': 'umar', 'Email': '[email protected]', 'role': 'Product'}, 
{'id': '74', 'Name': 'Are', 'Email': '[email protected]', 'role': 'Tester'}, 
{'id': '24', 'Name': 'Mee', 'Email': '[email protected]', 'role': 'Tester'}, 
{'id': '230', 'Name': 'Sn', 'Email': '[email protected]', 'role': 'Tester'}])

在我的外面

{'id': '230', 'Name': 'Sn', 'Email': '[email protected]', 'role': 'Tester'}

必須替換為

{ 'id': '220', 'Name': 'Sc', 'Email': '[email protected]', 'role': 'Product' }

因為“產品”有更高的偏好。

如何更新我的代碼？dict([(d['Email'], d) for d in test]).values()

uj5u.com熱心網友回復：

如果您想堅持使用字典，可以這樣做。我們從一排走到另一排。檢查電子郵件是否已經在新字典中作為鍵。

• 如果沒有，我們將其添加為新的。
• 如果是這樣，我們檢查我們的新行。如果我們的新角色是“產品”，我們將洗掉字典中已有的內容，并添加新行。

new_dict = {}
for row in test:
    if row["Email"] not in new_dict.keys():
        new_dict.update({row["Email"]: row})
    else:
        if row["role"]=="Product":
            new_dict.pop(row["Email"])
            new_dict.update({row["Email"]: row})

uj5u.com熱心網友回復：

也許您可以嘗試兩個回圈；一次是為了獲得獨特的電子郵件，第二次是為了確保優先考慮“產品”。

不清楚如果重復的“電子郵件”沒有“產品”會發生什么，因此在下面的回圈中，在這種情況下選擇了第一封電子郵件。

tmp = {}
for d in test:
    tmp.setdefault(d['Email'], []).append(d)
    
out = []
for k, lst in tmp.items():
    if len(lst) == 1:
        out.append(lst[0])
    else:
        for d in lst:
            if d['role'] == 'Product':
                out.append(d)
                break
        else:
            out.append(lst[0])

輸出：

[{'id': '195', 'Name': 'i', 'Email': '[email protected]', 'Account': 'Product'},
 {'id': '219', 'Name': 'umar', 'Email': '[email protected]', 'Account': 'Product'},
 {'id': '74', 'Name': 'Are', 'Email': '[email protected]', 'role': 'Tester'},
 {'id': '24', 'Name': 'Mee', 'Email': '[email protected]', 'role': 'Tester'},
 {'id': '220', 'Name': 'Sc', 'Email': '[email protected]', 'role': 'Product'}]

uj5u.com熱心網友回復：

在對列進行排序后使其成為 adata frame和drop_duplicatesby 。Emailrole

test = [ { 'id': '195', 'Name': 'i', 'Email': '[email protected]', 'role': 'Product' }, 
        { 'id': '219', 'Name': 'umar', 'Email': '[email protected]', 'role': 'Product' }, 
        { 'id': '74', 'Name': 'Are', 'Email': '[email protected]', 'role': 'Tester' },
        { 'id': '24', 'Name': 'Mee', 'Email': '[email protected]', 'role': 'Tester' },
        { 'id': '230', 'Name': 'abc', 'Email': '[email protected]', 'role': 'Tester' },
        { 'id': '220', 'Name': 'Sc', 'Email': '[email protected]', 'role': 'Product' },
        { 'id': '230', 'Name': 'Sn', 'Email': '[email protected]', 'role': 'Tester' } ] 

df = pd.DataFrame(test)


df1 = df.sort_values(by = ["Email", "role"], ascending = True)
res_df = df1.drop_duplicates(["Email"])

output_list = []
for i in res_df.values :
    output_list.append(dict([("id", i[0]), ("Name", i[1]), ("Email", i[2]), ("role", i[3])]))

> output_list

[{'id': '195', 'Name': 'i', 'Email': '[email protected]', 'role': 'Product'},
 {'id': '219', 'Name': 'umar', 'Email': '[email protected]', 'role': 'Product'},
 {'id': '74', 'Name': 'Are', 'Email': '[email protected]', 'role': 'Tester'},
 {'id': '220', 'Name': 'Sc', 'Email': '[email protected]', 'role': 'Product'},
 {'id': '24', 'Name': 'Mee', 'Email': '[email protected]', 'role': 'Tester'}]

標籤：Python 字典

上一篇：在保留串列順序的同時將具有串列作為值的字典寫入csv，我的代碼執行此操作但不分隔行中的值

下一篇：在Dataframe中添加缺少的鍵，以便Dataframe中的所有dicts具有相同的鍵