Python中多if条件判断与append操作能否简化？海量分类数据集划分代码优化问询

当然可以简化！你现在写的代码在类别数量少的时候还能凑合用，但面对海量类别时，不仅代码会变得无比冗长，维护起来也会头疼死。这里有几个更优雅、扩展性拉满的方案，随便挑一个都比原来的一堆elif强：

方案1：用collections.defaultdict（最简洁） #

这是Python里处理这类分组需求的常用操作，defaultdict会自动为不存在的类别标签创建一个空列表，省去了手动判断的麻烦：

from collections import defaultdict

# 初始化一个默认值为列表的字典
categories = defaultdict(list)
for item in dataset:
    # 直接按标签分组，不用管标签有没有出现过
    categories[item[1]].append(item)

之后要访问某个类别的数据，直接用categories[标签值]就行，比如原来的c0就对应categories[0]。

方案2：用普通字典的setdefault方法（无需额外导入模块） #

如果不想导入collections，用普通字典的setdefault方法也能实现同样的效果，逻辑和上面类似：

categories = {}
for item in dataset:
    label = item[1]
    # 若标签不在字典中，就创建一个空列表；否则返回已有列表
    categories.setdefault(label, []).append(item)

这个方法兼容性更好，不用依赖任何额外模块，核心逻辑和defaultdict一致，只是写法稍微长一点。

方案3：用列表存储（适合连续整数标签） #

如果你的类别标签是连续的非负整数（比如0、1、2...N这种），用列表存储会比字典更高效：

categories = []
for item in dataset:
    label = item[1]
    # 动态扩展列表长度，确保标签对应的索引存在
    while label >= len(categories):
        categories.append([])
    categories[label].append(item)

比如原来的c0就是categories[0]，c1就是categories[1]，和你原来的变量对应关系一致。但要注意，如果标签不连续或者有很大的间隔（比如突然出现标签10000），这个方法会创建很多空列表，浪费内存，这时候还是用字典更合适。

为什么这些方案更好？ #

• 扩展性拉满：不管你的数据集有10个类别还是10000个类别，代码都不用改，自动适配所有标签。
• 可维护性强：不用每次新增类别就手动加一个elif和对应的列表变量，避免了重复代码和人为错误。
• 代码更简洁：几行代码就搞定原来几十行的逻辑，可读性也更强。

内容的提问来源于stack exchange，提问作者이재환