### 使用字典实现多条件查询的方法 在 Python 中，字典可以通过多种方式实现多条件查询，包括使用嵌套字典、结合条件表达式进行筛选、以及使用字典推导式等方法。这些方法可以根据多个查询条件提取特定的键值对，适用于复杂的数据映射和筛选场景。 #### 使用嵌套字典实现多键查询 嵌套字典是一种常见的实现“多对一”查询的方法，其中每个键本身是一个字典，包含多个子键，用于表示不同的查询条件。这种方式适用于需要基于多个属性组合进行查找的场景。 ```python # 示例：使用嵌套字典实现多条件查询 students = { '001': {'name': 'Alice', 'age': 20, 'major': 'Computer Science'}, '002': {'name': 'Bob', 'age': 22, 'major': 'Mathematics'}, '003': {'name': 'Charlie', 'age': 20, 'major': 'Computer Science'} } # 查询年龄为20且专业为Computer Science的学生 result = [k for k, v in students.items() if v['age'] == 20 and v['major'] == 'Computer Science'] print(result) # 输出: ['001', '003'] ``` #### 使用字典推导式结合条件筛选 字典推导式可以用于从现有字典中提取满足多个条件的子集。这种方式简洁高效，适合在已有字典基础上进行动态筛选。 ```python # 示例：使用字典推导式实现多条件筛选 scores = { 'Alice': {'math': 85, 'english': 90}, 'Bob': {'math': 75, 'english': 80}, 'Charlie': {'math': 90, 'english': 85} } # 查询数学成绩大于80且英语成绩大于85的学生 filtered_scores = {k: v for k, v in scores.items() if v['math'] > 80 and v['english'] > 85} print(filtered_scores) # 输出: {'Alice': {'math': 85, 'english': 90}} ``` #### 使用函数封装多条件查询逻辑 将多条件查询逻辑封装到函数中可以提高代码的可复用性和可读性。通过传递参数的方式，可以灵活地组合不同的查询条件。 ```python # 示例：使用函数封装多条件查询逻辑 def query_students(data, age=None, major=None): return [ k for k, v in data.items() if (age is None or v['age'] == age) and (major is None or v['major'] == major) ] # 查询年龄为20或专业为Computer Science的学生 print(query_students(students, age=20)) # 输出: ['001', '003'] print(query_students(students, major='Computer Science')) # 输出: ['001', '003'] ``` #### 结合 `filter()` 和 `lambda` 实现复杂条件组合 `filter()` 函数结合 `lambda` 表达式可以实现更复杂的多条件组合查询，适用于动态构建查询条件的场景。 ```python # 示例：使用 filter 和 lambda 实现多条件查询 query_result = list(filter(lambda item: item[1]['age'] == 20 and item[1]['major'] == 'Computer Science', students.items())) print([item[0] for item in query_result]) # 输出: ['001', '003'] ``` #### 使用 `pandas` 库实现结构化查询（可选） 对于大规模数据集，可以使用 `pandas` 提供的 DataFrame 结构，实现更高效、结构化的多条件查询。 ```python import pandas as pd # 将字典转换为 DataFrame df = pd.DataFrame.from_dict(students, orient='index') # 使用 DataFrame 查询年龄为20且专业为Computer Science的学生 result_df = df[(df['age'] == 20) & (df['major'] == 'Computer Science')] print(result_df.index.tolist()) # 输出: ['001', '003'] ``` 多条件查询方法可以根据具体需求灵活选择，适用于从简单数据筛选到复杂数据分析的多种场景[^3]。 ---