<think>根据用户当前需求：在Python中根据选定的ID获取新数据集。 考虑到之前对话中，用户已经看到了JavaScript版本的解决方案，现在需要Python版本。 此外，用户提供的引用材料中，引用[1]涉及状态追踪，引用[2]是模型导出，引用[3]是错误日志，引用[4]是对话系统设计，这些与当前需求不直接相关，但可能隐含用户对数据存储或状态的考虑。 因此，将提供两种常见场景的解决方案： 场景1：数据集在内存中（小规模数据） 场景2：数据集在数据库中（大规模数据，使用SQL查询） 并且根据引用[1]的思路，如果用户需要跨会话保存选择状态，可以将会话状态（包括选定的ID）存储在Redis中，但当前问题只要求获取数据集，因此作为可选扩展。 实现方案： 1. 内存中过滤（使用列表推导或filter） 2. 数据库查询（以SQLite为例） 3. 可选：使用Redis存储选定ID（如引用[1]的做法） 另外，考虑到用户可能有多选和单选两种情况，函数将同时支持两种调用方式（单个ID或ID列表）。 步骤： 1. 定义函数，接收数据集（或数据库连接）和选定的ID（单个或列表） 2. 根据传入的ID类型，进行过滤或查询 3. 返回新数据集 首先实现内存版本。 </think> ### Python中获取选定ID的新数据集方法 以下是两种常见场景的解决方案，分别针对内存数据集和数据库数据集： #### 🧠 1. 内存数据集过滤（适合小规模数据） ```python def get_selected_data(data: list[dict], selected_ids: list[str]) -> list[dict]: """ 根据选定ID过滤内存数据集 :param data: 原始数据集（字典列表） :param selected_ids: 需筛选的ID列表 :return: 过滤后的新数据集 """ # 使用列表推导实现高效过滤 (时间复杂度$O(n)$) return [item for item in data if item.get('id') in set(selected_ids)] # 使用示例 original_dataset = [ {"id": "A101", "name": "产品A", "price": 99}, {"id": "B202", "name": "产品B", "price": 149}, {"id": "C303", "name": "产品C", "price": 199} ] selected_ids = ["A101", "C303"] # 从UI/API获取的选定ID new_dataset = get_selected_data(original_dataset, selected_ids) print(new_dataset) # 输出: [{'id': 'A101', ...}, {'id': 'C303', ...}] ``` **关键技术点：** - 使用 `set(selected_ids)` 将查询复杂度优化为$O(1)$[^4] - `item.get('id')` 避免键缺失导致的KeyError - 支持多选模式（单ID需传入`[single_id]`） #### 🗄️ 2. 数据库查询方案（适合大型数据集） ```python import sqlite3 def query_database(db_path: str, id_list: list[str]) -> list[dict]: """ 从SQL数据库查询选定ID的数据 :param db_path: 数据库文件路径 :param id_list: 需查询的ID列表 :return: 查询结果集 """ with sqlite3.connect(db_path) as conn: cursor = conn.cursor() placeholders = ','.join(['?'] * len(id_list)) # 使用参数化查询防止SQL注入 query = f"SELECT * FROM products WHERE id IN ({placeholders})" cursor.execute(query, id_list) # 转换为字典列表 columns = [desc[0] for desc in cursor.description] return [dict(zip(columns, row)) for row in cursor.fetchall()] # 使用示例 selections = ["B202", "D404"] result = query_database('products.db', selections) ``` **高级技巧：** 1. **跨会话状态管理**（参考引用[1]）： ```python # 存储选定ID到Redis（5分钟TTL） import redis r = redis.Redis() r.setex(f"user123:selections", 300, ",".join(selected_ids)) ``` 2. **扩展为动态筛选器**： ```python def dynamic_filter(data, filters: dict): """ 根据多条件字典过滤 """ return [item for item in data if all( item.get(k) == v for k,v in filters.items() )] ``` ### 性能考量 - **小数据集($n < 10^4$)**：内存过滤足够高效 - **大数据集**：数据库索引查询更优 - **超大数据($n > 10^6$)**：建议按$batch_size = 1000$分批查询 > 对于对话系统集成，可将选定ID作为槽位值存入对话状态[^1]，实现多轮交互的连续筛选。