Python无需迭代提取字典列表中period和ratio值的方法咨询

给定如下字典列表数据：

dictData  = [
    {'period': '2020-01-01', 'ratio': 83.83458},
    {'period': '2020-01-02', 'ratio': 81.95488},
    {'period': '2020-01-03', 'ratio': 100},
    {'period': '2020-01-04', 'ratio': 77.25563},
    {'period': '2020-01-05', 'ratio': 90.22556}
]

目前使用以下迭代方式提取值：

for i in list(range(0, 4)):
    dictData[i]['ratio'], dictData[i]['period']

希望无需显式迭代即可提取其中的period和ratio值，询问Python中是否有相关函数，同时担心数据量较大时迭代耗时过多。

首先明确：所有提取数据的操作本质都需要遍历数据，不存在完全不迭代的方法，但可以用更简洁、性能更优的方式替代显式for循环：

1. 列表推导式（简洁高效） #

用列表推导式一次性提取目标字段，代码紧凑，执行效率比显式循环略高：

# 提取所有period
periods = [item['period'] for item in dictData]
# 提取所有ratio
ratios = [item['ratio'] for item in dictData]

# 按原顺序配对成(period, ratio)元组列表
paired_data = [(item['period'], item['ratio']) for item in dictData]

2. 使用zip结合生成器表达式 #

想一次同时获取两个列表时，用zip配合生成器表达式可减少一次遍历：

periods, ratios = zip(*((item['period'], item['ratio']) for item in dictData))
# zip返回元组，如需列表可转换
periods = list(periods)
ratios = list(ratios)

3. 大数据量场景：Pandas矢量化操作 #

当数据量极大时，纯Python迭代效率有限，推荐用pandas库——它的底层是C实现的矢量化操作，性能远超纯Python循环：

import pandas as pd

df = pd.DataFrame(dictData)
periods = df['period'].tolist()
ratios = df['ratio'].tolist()

# 也可直接获取列的Series对象，方便后续分析
period_series = df['period']
ratio_series = df['ratio']

内容的提问来源于stack exchange，提问作者sunghwan jang