Python 用一个键对多个键的dict求和最有效的方法是什么？

我有下面的dict结构

product1 = {'product_tmpl_id': product_id,
'qty':product_uom_qty,
'price':price_unit,
'subtotal':price_subtotal,
'total':price_total,
}

然后是产品列表，列表中的每一项都是具有上述结构的dict

list_ = [product1,product2,product3,.....]

我需要对列表中的项目求和，按键

product\u tmpl\u id

分组。。。我正在使用dictcollections，但它只对数量键求和，我需要求和键，除了

product\u tmpl\u id

，这是分组依据的标准

c = defaultdict(float)
for d in list_:
    c[d['product_tmpl_id']] += d['qty']
c = [{'product_id': id, 'qty': qty} for id, qty in c.items()]

我知道如何使用for迭代来实现它，但我试图寻找一种更具python风格的方法

谢谢

编辑：

我们需要的是通过以下途径：

lst = [
{'Name': 'A', 'qty':100,'price':10},
{'Name': 'A', 'qty':100,'price':10},
{'Name': 'A', 'qty':100,'price':10},
{'Name': 'B', 'qty':100,'price':10},
{'Name': 'C', 'qty':100,'price':10},
{'Name': 'C', 'qty':100,'price':10},
]

对此

group_lst = [
{'Name': 'A', 'qty':300,'price':30},
{'Name': 'B', 'qty':100,'price':10},
{'Name': 'C', 'qty':200,'price':20},
]

---

使用基本的Python，这并没有得到太多的改进。你可以用

itertools.groupby

一起破解一些东西，但这会很难看，而且可能会更慢，当然也不太清晰

然而，正如@9769953所建议的，Pandas是处理这种结构化表格数据的好软件包

In [1]: import pandas as pd
In [2]: df = pd.DataFrame(lst)
Out[2]:
  Name  price  qty
0    A     10  100
1    A     10  100
2    A     10  100
3    B     10  100
4    C     10  100
5    C     10  100
In [3]: df.groupby('Name').agg(sum)
Out[3]:
      price  qty
Name
A        30  300
B        10  100
C        20  200

如果不想将数据保留为数据帧，则只需额外添加一点mojo：

In [4]: grouped = df.groupby('Name', as_index=False).agg(sum)
In [5]: list(grouped.T.to_dict().values())
Out[5]:
[{'Name': 'A', 'price': 30, 'qty': 300},
 {'Name': 'B', 'price': 10, 'qty': 100},
 {'Name': 'C', 'price': 20, 'qty': 200}]

---

使用基本的Python，这并没有得到太多的改进。你可以用

itertools.groupby

一起破解一些东西，但这会很难看，而且可能会更慢，当然也不太清晰

然而，正如@9769953所建议的，Pandas是处理这种结构化表格数据的好软件包

In [1]: import pandas as pd
In [2]: df = pd.DataFrame(lst)
Out[2]:
  Name  price  qty
0    A     10  100
1    A     10  100
2    A     10  100
3    B     10  100
4    C     10  100
5    C     10  100
In [3]: df.groupby('Name').agg(sum)
Out[3]:
      price  qty
Name
A        30  300
B        10  100
C        20  200

如果不想将数据保留为数据帧，则只需额外添加一点mojo：

In [4]: grouped = df.groupby('Name', as_index=False).agg(sum)
In [5]: list(grouped.T.to_dict().values())
Out[5]:
[{'Name': 'A', 'price': 30, 'qty': 300},
 {'Name': 'B', 'price': 10, 'qty': 100},
 {'Name': 'C', 'price': 20, 'qty': 200}]

---

在冗长的方面，但完成了工作：

group_lst = []
lst_of_names = []
for item in lst:
    qty_total = 0
    price_total = 0

    # Get names that have already been totalled
    lst_of_names = [item_get_name['Name'] for item_get_name in group_lst]

    if item['Name'] in lst_of_names:
        continue

    for item2 in lst:
        if item['Name'] == item2['Name']:
            qty_total += item2['qty']
            price_total += item2['price']

    group_lst.append(
        {
            'Name':item['Name'],
            'qty':qty_total,
            'price':price_total
        }
    )
pprint(group_lst)

输出：

[{'Name': 'A', 'price': 30, 'qty': 300},
 {'Name': 'B', 'price': 10, 'qty': 100},
 {'Name': 'C', 'price': 20, 'qty': 200}]

---

在冗长的方面，但完成了工作：

group_lst = []
lst_of_names = []
for item in lst:
    qty_total = 0
    price_total = 0

    # Get names that have already been totalled
    lst_of_names = [item_get_name['Name'] for item_get_name in group_lst]

    if item['Name'] in lst_of_names:
        continue

    for item2 in lst:
        if item['Name'] == item2['Name']:
            qty_total += item2['qty']
            price_total += item2['price']

    group_lst.append(
        {
            'Name':item['Name'],
            'qty':qty_total,
            'price':price_total
        }
    )
pprint(group_lst)

输出：

[{'Name': 'A', 'price': 30, 'qty': 300},
 {'Name': 'B', 'price': 10, 'qty': 100},
 {'Name': 'C', 'price': 20, 'qty': 200}]

---

您可以使用

defaultdict

和

Counter

>>> from collections import Counter, defaultdict
>>> cntr = defaultdict(Counter)
>>> for d in lst:
...     cntr[d['Name']].update(d)
...
>>> res = [dict(v, **{'Name':k}) for k,v in cntr.items()]
>>> pprint(res)
[{'Name': 'A', 'price': 30, 'qty': 300},
 {'Name': 'C', 'price': 20, 'qty': 200},
 {'Name': 'B', 'price': 10, 'qty': 100}]

---

您可以使用

defaultdict

和

Counter

>>> from collections import Counter, defaultdict
>>> cntr = defaultdict(Counter)
>>> for d in lst:
...     cntr[d['Name']].update(d)
...
>>> res = [dict(v, **{'Name':k}) for k,v in cntr.items()]
>>> pprint(res)
[{'Name': 'A', 'price': 30, 'qty': 300},
 {'Name': 'C', 'price': 20, 'qty': 200},
 {'Name': 'B', 'price': 10, 'qty': 100}]

---

再也不会像蟒蛇一样了。您的实现很好。您的替代方案是寻找处理此类数据结构的库，例如Pandas。对列求和的代码总体上会更简单、更快。Aran-Fey我的实现不起作用，因为它只求和，一个键“数量”，我需要求和“数量”、“总数”、“小计”、“单价”，它不会变得更像Python。您的实现很好。您的替代方案是寻找处理此类数据结构的库，例如Pandas。总的来说，对一列求和的代码会更简单、更快。Aran-Fey我的实现不起作用，因为它只是求和，一个键“数量”，我需要求和“数量”、“总数”、“小计”、“单价”，这就是我试图避免的。除非你使用熊猫（或类似的东西），否则不要认为有一种类似的方法路线这是我试图避免的。我不认为有一个蟒蛇式的方法可以绕过它，除非你选择熊猫（或类似的）路线