如何对嵌套Python字典中的数值列进行求和？

我有一个如下格式的嵌套Python字典：

{
    '1000': {
        'owner_id':'1000',
        'in_hours':100,
        'us_hours':200,
        'total_revenue':100
    },
    '1084': {
        'owner_id':'10084',
        'in_hours':100,
        'us_hours':200,
        'total_revenue':100
    }
}

需要得到如下格式的求和结果（自动对数值型字段求和，无需逐个指定键）：

{
    'in_hours':200,
    'us_hours':400,
    'total_revenue':200
}

请问该如何实现？

下面提供几种无需逐个指定键的实现方式：

方法一：基础循环自动识别数值字段 #

通过遍历所有子字典，只对int或float类型的字段进行累加，自动跳过字符串类型的owner_id：

original_data = {
    '1000': {
        'owner_id':'1000',
        'in_hours':100,
        'us_hours':200,
        'total_revenue':100
    },
    '1084': {
        'owner_id':'10084',
        'in_hours':100,
        'us_hours':200,
        'total_revenue':100
    }
}

sum_result = {}
for sub_dict in original_data.values():
    for key, value in sub_dict.items():
        if isinstance(value, (int, float)):
            sum_result[key] = sum_result.get(key, 0) + value

print(sum_result)

这里用sum_result.get(key, 0)简化了判断键是否存在的逻辑，代码更紧凑。

方法二：用collections.defaultdict简化累加逻辑 #

借助defaultdict自动为新键初始化默认值0，省去手动判断的步骤：

from collections import defaultdict

original_data = {
    '1000': {
        'owner_id':'1000',
        'in_hours':100,
        'us_hours':200,
        'total_revenue':100
    },
    '1084': {
        'owner_id':'10084',
        'in_hours':100,
        'us_hours':200,
        'total_revenue':100
    }
}

sum_result = defaultdict(int)
for sub_dict in original_data.values():
    for key, value in sub_dict.items():
        if isinstance(value, (int, float)):
            sum_result[key] += value

# 可选：转换为普通字典
sum_result = dict(sum_result)
print(sum_result)

方法三：用pandas快速处理大规模数据 #

如果你的数据量较大，用pandas可以更高效地自动筛选数值列并求和：

import pandas as pd

original_data = {
    '1000': {
        'owner_id':'1000',
        'in_hours':100,
        'us_hours':200,
        'total_revenue':100
    },
    '1084': {
        'owner_id':'10084',
        'in_hours':100,
        'us_hours':200,
        'total_revenue':100
    }
}

df = pd.DataFrame.from_dict(original_data, orient='index')
# 筛选数值类型列并求和，再转为字典
sum_result = df.select_dtypes(include=['int64', 'float64']).sum().to_dict()

print(sum_result)

内容的提问来源于stack exchange，提问作者Happy Coder