Python 根据值比较字典列表

我有两个字典列表：

old_data = [{'company': 'Amazon', 'logged_in': '2019-01-20'},
            {'company': 'Facebook', 'logged_in': '2019-04-20'},
            {'company': 'Google', 'logged_in': '2019-04-20'}]

new_data = [{'company': 'Amazon', 'logged_in': '2019-01-26'},
            {'company': 'Facebook', 'logged_in': '2019-04-12'},
            {'company': 'LinkedIn', 'logged_in': '2019-04-20'},
            {'company': 'Wiki', 'logged_in': '2019-04-20'}]

只有在以下情况下，我才有兴趣从新的_数据中获取列表元素：

新_数据中的公司不在旧_数据中

如果公司同时在新数据和旧数据中，只有在新数据中的登录时间晚于旧数据中的登录时间

预期成果：

[{'company': 'Amazon', 'logged_in': '2019-01-26'},
 {'company': 'LinkedIn', 'logged_in': '2019-04-20'},
 {'company': 'Wiki', 'logged_in': '2019-04-20'}]

到目前为止，我试过：

filter_data = []
for nd in new_data:
    if nd['company'] not in [d['company'] for d in old_data]:
        filter_data.append(nd)
    elif nd['company'] in [d['company'] for d in old_data]:
        date_ = # logged_in time of the company from old_data
        filter_data.append(nd if nd['logged_in']> date_)
filter_data

输出：

[{'company': 'Amazon', 'logged_in': '2019-01-26'},
 {'company': 'LinkedIn', 'logged_in': '2019-04-20'},
 {'company': 'Wiki', 'logged_in': '2019-04-20'}]

注意：

[{'company': 'Amazon', 'logged_in': '2019-01-26'},
 {'company': 'LinkedIn', 'logged_in': '2019-04-20'},
 {'company': 'Wiki', 'logged_in': '2019-04-20'}]

• 将

  旧数据

  转换为字典以便于查找

  ---

  这里有一种方法，假设

  旧数据中的公司名称不重复：
  
  old_data = [{'company': 'Amazon', 'logged_in': '2019-01-20'},
              {'company': 'Facebook', 'logged_in': '2019-04-20'},
              {'company': 'Google', 'logged_in': '2019-04-20'}]
  
  new_data = [{'company': 'Amazon', 'logged_in': '2019-01-26'},
              {'company': 'Facebook', 'logged_in': '2019-04-12'},
              {'company': 'LinkedIn', 'logged_in': '2019-04-20'},
              {'company': 'Wiki', 'logged_in': '2019-04-20'}]
  # Make dictionary mapping company names to logged in times
  old_data_dict = {d['company']: d['logged_in'] for d in old_data}
  # Make result by comparing logged in times to previous value or empty string
  result = [d for d in new_data if d['logged_in'] > old_data_dict.get(d['company'], '')]
  # Print result
  print(*result, sep='\n')
  # {'company': 'Amazon', 'logged_in': '2019-01-26'}
  # {'company': 'LinkedIn', 'logged_in': '2019-04-20'}
  # {'company': 'Wiki', 'logged_in': '2019-04-20'}
  
  编辑：如果
  old_data
  可能包含多个具有相同公司名称的词典，则可以按如下方式定义
  old_data_dict
  ：
  
  old_data_dict = {}
  for d in old_data:
      old_data_dict[d['company']] = max(d['logged_in'],
                                        old_data_dict.get(d['company'], ''))
  
  如果您使用反向索引字典
  old\u dic
  ，它会变得简单：
  
  old_data = [{'company': 'Amazon', 'logged_in': '2019-01-20'},
              {'company': 'Facebook', 'logged_in': '2019-04-20'},
              {'company': 'Google', 'logged_in': '2019-04-20'}]
  
  new_data = [{'company': 'Amazon', 'logged_in': '2019-01-26'},
              {'company': 'Facebook', 'logged_in': '2019-04-12'},
              {'company': 'LinkedIn', 'logged_in': '2019-04-20'},
              {'company': 'Wiki', 'logged_in': '2019-04-20'}]
  
  old_dic = {o["company"]: {"logged_in": o["logged_in"]} for o in old_data}
  
  result = [
      n for n in new_data 
      if n["company"] not in s or 
         n["logged_in"] > old_dic[n["company"]]["logged_in"]
  ]
  
  
  产出：
  
  [{'company': 'Amazon', 'logged_in': '2019-01-26'},
   {'company': 'LinkedIn', 'logged_in': '2019-04-20'},
   {'company': 'Wiki', 'logged_in': '2019-04-20'}]
  
  尝试从您停止的地方重新开始：
  
  def find_logged_in(company, olddata):
      for od in olddata:
          if od['company']==company:
              return od['logged_in']
      return None
  
  
  filter_data = []
  for nd in new_data:
      if nd['company'] not in [d['company'] for d in old_data]:
          filter_data.append(nd)
      elif nd['company'] in [d['company'] for d in old_data]:
          date_ = find_logged_in(nd['company'], old_data) 
          if nd['logged_in'] > date_:
              filter_data.append(nd)
  filter_data
  
  结果:
  
  [{'company': 'Amazon', 'logged_in': '2019-01-26'},
   {'company': 'LinkedIn', 'logged_in': '2019-04-20'},
   {'company': 'Wiki', 'logged_in': '2019-04-20'}]
  
  您可以使用熊猫执行此操作：
  
  from pandas import DataFrame
  a = DataFrame(new_data+old_data).groupby('company',as_index=False).max().to_dict('record')
  filter_data = [x for x in a if x not in b]
  
  您可以消除日期时间转换，只需比较字符串，因为它们是ISO 8601格式。@benvc谢谢…没有想到这一点。