如何高效统计嵌套字典中各子字典对应的父键数量？

这个场景我之前处理过，核心卡点在于字典是不可哈希类型，所以直接把子字典丢给collections.Counter肯定行不通——毕竟Counter的键必须是能被哈希的对象。不过只要把子字典转换成可哈希的格式，问题就迎刃而解了。

解决方案思路 #

把每个子字典转换成排序后的键值对元组：

1. 元组是可哈希的，能直接作为Counter的统计键
2. 排序是为了避免子字典键顺序不同导致误判（比如{1:1,2:2}和{2:2,1:1}本质是同一个字典，排序后生成的元组完全一致）

代码实现 #

from collections import Counter

products = { 1: {1:1, 2:2, 3:3}, 2: {1:1, 2:2, 3:3}, 3: {1:1, 2:2, 3:3}, 4: {1:2, 2:3, 3:4} }

# 遍历所有子字典，转成排序后的键值对元组，用Counter统计
sub_dict_counts = Counter(tuple(sorted(sub.items())) for sub in products.values())

# 如果你需要把结果转回字典格式展示（可选）
result = {dict(sub_tuple): count for sub_tuple, count in sub_dict_counts.items()}

# 输出结果
for sub_dict, count in result.items():
    print(f"{sub_dict}: {count}")

为什么这方法高效？ #

• 只需要一次遍历所有父键对应的子字典，时间复杂度是O(n * m log m)：其中n是父键数量（10000+），m是子字典的键数量。这个复杂度对于10000+的数据来说非常友好，远优于双重循环的O(n²)。
• 完全利用了Counter的高效统计能力，不需要自己写复杂的比较逻辑。

补充说明 #

你之前尝试用Counter失败，就是因为直接传了不可哈希的字典；用列表存储也没用，因为列表同样不可哈希。把字典转成排序后的元组，既保留了所有数据信息，又满足了哈希要求，完美解决问题。

内容的提问来源于stack exchange，提问作者ask0ne