如何快速移除Python字典列表中的指定公共键？

我有一个字典列表：

res = [
    {'termA':'A1', 'termB':'B1', 'termC':'C1'},
    {'termA':'A2', 'termB':'B2', 'termC':'C2'},
    {'termA':'A3', 'termB':'B3', 'termC':'C3'}
] 

每个字典的键都相同，对应值不同（类似矩阵结构）。我想找到最快的方法，从所有字典中移除/提取特定键（比如移除termA和termB，只保留termC）。

我最初用for循环实现：

new = [] 
for i in res: 
    new.append({'termC':i['termC']})

能得到预期结果：

new = [{'termC':'C1'},{'termC':'C2'},{'termC':'C3'}]

但数据量一大速度就很慢，列表推导式的表现也不理想。试过转成DataFrame，耗时同样很长。有没有更优的解决方案？

对于大规模数据，避免Python层面的逐元素循环是提速关键，优先用底层C实现的工具：

1. 用operator.itemgetter批量提取（效率远超纯Python循环） #

operator.itemgetter是C实现的，比普通循环/推导式快很多。

• 只保留单个键的情况：

from operator import itemgetter

keep_key = 'termC'
getter = itemgetter(keep_key)
new = [{keep_key: getter(d)} for d in res]

• 保留多个键的情况（比如同时留termB和termC）：

keep_keys = ('termB', 'termC')
getter = itemgetter(*keep_keys)
new = [dict(zip(keep_keys, getter(d))) for d in res]

2. 直接生成值列表（最快方案，若不需要字典结构） #

如果最终不需要字典格式，只是要termC的值列表，这是最快的方式——完全省去了构建新字典的开销：

# 列表推导式版本
new = [d['termC'] for d in res]

# 更高效的itemgetter+map版本
new = list(map(itemgetter('termC'), res))

3. 优化版列表推导式（无额外依赖） #

如果不想引入库，优化后的列表推导式比原始for循环快（减少了append的调用开销）：

new = [{'termC': d['termC']} for d in res]

为什么DataFrame不适合？ #

把字典列表转成DataFrame本身就有不小的开销，包括类型推断、数据结构转换等，对于大规模数据来说，这个转换成本远高于直接处理字典列表，所以不建议用这种方式。

内容的提问来源于stack exchange，提问作者chikako