如何高效重排字典键值对？（附示例）

问题描述 #

现有如下统计字典，键为指标类型（TP/FP/FN），对应值为各分类的统计结果：

current_dict = {
    'TP': {'class_A': 100, 'class_B': 200, 'class_C': 300},
    'FP': {'class_A': 50, 'class_B': 60, 'class_C': 70},
    'FN': {'class_A': 10, 'class_B': 20, 'class_C': 30}
}

需要将结构转换为以分类为顶层键，每个分类对应其所有指标的统计值，期望输出如下：

desired_dict = {
    'class_A': {'TP': 100, 'FP': 50, 'FN': 10},
    'class_B': {'TP': 200, 'FP': 60, 'FN': 20},
    'class_C': {'TP': 300, 'FP': 70, 'FN': 30}
}

原实现通过提前构建默认结构+大量if匹配更新，效率低下，需要更高效的分组转换方法。

解决方案 #

方法1：字典推导式（简洁高效） #

利用Python的字典推导特性，直接按分类分组：

desired_dict = {
    cls: {metric: current_dict[metric][cls] for metric in current_dict}
    for cls in current_dict['TP']
}

逻辑说明：

• 所有指标下的分类键完全一致，因此直接从TP的键中获取所有分类列表
• 对每个分类，遍历所有指标类型，取出对应统计值并构建子字典
• 时间复杂度O(n)，无冗余判断，代码简洁易读

方法2：collections.defaultdict（适配复杂场景） #

如果存在分类不统一的情况（比如部分指标缺少某个分类），用defaultdict自动处理分组：

from collections import defaultdict

desired_dict = defaultdict(dict)
for metric, cls_data in current_dict.items():
    for cls, value in cls_data.items():
        desired_dict[cls][metric] = value

# 若需转为普通字典，执行：desired_dict = dict(desired_dict)

逻辑说明：

• 遍历每个指标下的分类数据，直接将值映射到对应分类的指标键下
• 自动为不存在的分类创建空字典，无需提前构建结构
• 同样是O(n)时间复杂度，兼容性更强

两种方法均无需冗余的if判断，比原实现效率提升明显，且代码更易维护。

内容的提问来源于Stack Exchange，提问作者blah