你有一个 `user_list`，其中每个元素是 `User` 对象，目标是： ✅ **按姓名（`name`）分组，把同名的所有 `User` 实例收集到一个列表中**，最终得到一个字典： ```python { "小明": [User("小明", 8), User("小明", 10)], "小红": [User("小红", 6)] } ``` --- ### ✅ 正确且推荐的推导式写法（一行解决，清晰高效） ```python from collections import defaultdict # 假设 User 类定义如下（确保有 .name 属性） class User: def __init__(self, name: str, age: int): self.name = name self.age = age def __repr__(self): return f"User({self.name!r}, {self.age})" # 数据 user_list = [User("小明", 8), User("小明", 10), User("小红", 6)] # ✅ 推导式 + defaultdict（最简洁、可读、无 KeyError 风险） name_to_users = defaultdict(list) for user in user_list: name_to_users[user.name].append(user) # 转为普通 dict（如需纯 dict 输出） result = dict(name_to_users) print(result) ``` > ✅ 输出： ```python { '小明': [User('小明', 8), User('小明', 10)], '小红': [User('小红', 6)] } ``` --- ### ❌ 为什么不能直接用「字典推导式」`{... for ...}` 一步完成？ 因为标准字典推导式 `{k: v for ...}` 是 **一对一映射**，而分组是 **一对多聚合**，需要累积（`append`）。 ❌ 错误尝试（语法/逻辑均错）： ```python # ❌ 错误！无法在推导式中累积 list {user.name: [user] for user in user_list} # → 会覆盖："小明" 只保留最后一个 # 结果：{'小明': [User('小明', 10)], '小红': [User('小红', 6)]} ``` ✅ 正确思路：**先分组（用 `defaultdict` 或 `itertools.groupby`），再构造字典**。 --- ### ✅ 其他合法实现方式（含纯推导式风格） #### ✅ 方法 2：使用 `itertools.groupby`（需先排序，适合已知有序或可排序场景） ```python from itertools import groupby # 注意：groupby 要求 key 相同的元素连续 → 必须先按 name 排序 sorted_users = sorted(user_list, key=lambda u: u.name) result = {name: list(group) for name, group in groupby(sorted_users, key=lambda u: u.name)} ``` > ⚠️ 优点：函数式风格；缺点：需排序（O(n log n)），且 `groupby` 返回迭代器需 `list()` 强制展开。 #### ✅ 方法 3：纯 `dict` + `setdefault`（无需导入，兼容性最强） ```python result = {} for user in user_list: result.setdefault(user.name, []).append(user) ``` ✅ 等价于 `defaultdict`，但更“原生”，适合不想引入 `collections` 的场景。 #### ✅ 方法 4：用 `dict` + `get`（稍冗长，但显式安全） ```python result = {} for user in user_list: result[user.name] = result.get(user.name, []) + [user] ``` ⚠️ 注意：`+ [user]` 创建新列表，时间复杂度 O(n) 每次 → **不推荐用于大数据量**（`append` 是 O(1) 均摊）。 --- ### ✅ 进阶：如果想同时统计人数 + 年龄均值（一行推导式做不到，但可用 `pandas` 或 `statistics` 简洁表达） ```python from statistics import mean # 按姓名聚合：人数、年龄列表、平均年龄 summary = { name: { "count": len(users), "ages": [u.age for u in users], "avg_age": round(mean(u.age for u in users), 1) } for name, users in result.items() } # {'小明': {'count': 2, 'ages': [8, 10], 'avg_age': 9.0}, ...} ``` --- ### ✅ 完整可运行代码（复制即用） ```python from collections import defaultdict class User: def __init__(self, name: str, age: int): self.name = name self.age = age def __repr__(self): return f"User({self.name!r}, {self.age})" user_list = [User("小明", 8), User("小明", 10), User("小红", 6)] # 👇 核心：按姓名分组（推荐写法） grouped = defaultdict(list) for u in user_list: grouped[u.name].append(u) result = dict(grouped) print(result) ``` ---