python - 合并具有不一致键的多个字典

Question

我是一名 Python 初学者，正在努力解决以下问题:

我正在尝试将多个列表与从多个 json 解码的嵌套字典合并。列表之间的共同点是每个嵌套字典对应于名称的“uid”键，但问题是某些字典的键名称不同。例如，字典可能以“number”作为键，而不是“uid”。我想将它们的各个部分合并到一个 super 嵌套字典列表中。为了说明这一点，我所拥有的是:

masterlist = [ ]

listA = [{"uid": "12345", "name": "John Smith"}, {etc...}]

listB = [{"number": "12345", "person": "John Smith", "val1": "25"}, {etc...}]

listC = [{"number": "12345", "person": "John Smith", "val2": "65"}, {etc...}]

我想要的最终结果是:

masterlist = [{"uid": "12345", "name": "John Smith", "val1": "25", "val2: "65"}, {etc...}]

是否可以通过迭代并比较相同的“uid”值来高效/Python地完成此操作？我看过很多关于通过匹配键进行合并的方法，但这里的问题显然是键不一致。排序并不重要。我所需要的只是主列表包含每个字典条目相应的 uid、名称和值。希望这是有道理的，谢谢!

Answer 1

可能有使用基本Python的解决方案，但我能想到的最简单的方法是使用pandas库将每个列表转换为DataFrame，然后将它们连接/合并在一起。

import pandas as pd

dfA = pd.DataFrame(listA)
dfB = pd.DataFrame(listB)

merged_df = dfA.merge(dfB, left_on='uid', right_on='number')

这将返回一个包含比您需要的列更多的数据帧(即，“uid”和“number”都会有列)，但您可以这样指定您想要的列以及您想要的顺序:

merged_df = merged_df[['uid', 'name', 'val1']]

要将多个 DataFrame 合并到一个主框架中，请参阅此处:pandas three-way joining multiple dataframes on columns