如何高效合并含相同month时间戳的多字典列表？

我有一个包含100余个字典的列表，每个字典包含month（datetime类型）及各类状态统计值，示例数据如下：

[
    {'month': datetime.datetime(2022, 4, 1, 0, 0, tzinfo=zoneinfo.ZoneInfo(key='UTC')), 'total': 1, 'Win': 0, 'Loss': 1, 'Open': 0, 'Dormant': 0, 'Pending': 0, 'Cancelled': 0},
    {'month': datetime.datetime(2022, 5, 1, 0, 0, tzinfo=zoneinfo.ZoneInfo(key='UTC')), 'total': 1, 'Win': 0, 'Loss': 0, 'Open': 1, 'Dormant': 0, 'Pending': 0, 'Cancelled': 0},
    {'month': datetime.datetime(2022, 5, 1, 0, 0, tzinfo=zoneinfo.ZoneInfo(key='UTC')), 'total': 1, 'Win': 0, 'Loss': 1, 'Open': 0, 'Dormant': 0, 'Pending': 0, 'Cancelled': 0},
    {'month': datetime.datetime(2022, 5, 1, 0, 0, tzinfo=zoneinfo.ZoneInfo(key='UTC')), 'total': 1, 'Win': 0, 'Loss': 1, 'Open': 0, 'Dormant': 0, 'Pending': 0, 'Cancelled': 0},
    {'month': datetime.datetime(2022, 5, 1, 0, 0, tzinfo=zoneinfo.ZoneInfo(key='UTC')), 'total': 1, 'Win': 0, 'Loss': 0, 'Open': 1, 'Dormant': 0, 'Pending': 0, 'Cancelled': 0},
    {'month': datetime.datetime(2022, 6, 1, 0, 0, tzinfo=zoneinfo.ZoneInfo(key='UTC')), 'total': 1, 'Win': 0, 'Loss': 0, 'Open': 1, 'Dormant': 0, 'Pending': 0, 'Cancelled': 0},
    {'month': datetime.datetime(2022, 7, 1, 0, 0, tzinfo=zoneinfo.ZoneInfo(key='UTC')), 'total': 1, 'Win': 0, 'Loss': 0, 'Open': 1, 'Dormant': 0, 'Pending': 0, 'Cancelled': 0}
]

需求：将所有字典按相同month时间戳合并，每个时间戳仅保留一个字典，对应统计值求和，预期输出如下：

[
    {'month': datetime.datetime(2022, 4, 1, 0, 0, tzinfo=zoneinfo.ZoneInfo(key='UTC')), 'total': 1, 'Win': 0, 'Loss': 1, 'Open': 0, 'Dormant': 0, 'Pending': 0, 'Cancelled': 0},
    {'month': datetime.datetime(2022, 5, 1, 0, 0, tzinfo=zoneinfo.ZoneInfo(key='UTC')), 'total': 4, 'Win': 0, 'Loss': 2, 'Open': 2, 'Dormant': 0, 'Pending': 0, 'Cancelled': 0},
    {'month': datetime.datetime(2022, 6, 1, 0, 0, tzinfo=zoneinfo.ZoneInfo(key='UTC')), 'total': 1, 'Win': 0, 'Loss': 0, 'Open': 1, 'Dormant': 0, 'Pending': 0, 'Cancelled': 0},
    {'month': datetime.datetime(2022, 7, 1, 0, 0, tzinfo=zoneinfo.ZoneInfo(key='UTC')), 'total': 1, 'Win': 0, 'Loss': 0, 'Open': 1, 'Dormant': 0, 'Pending': 0, 'Cancelled': 0}
]

我之前尝试循环比对前一个对象的方法，耗时过长，请问最高效的实现方式是什么？

方法1：原生Python字典分组（O(n)时间复杂度，最优解） #

利用字典键查找O(1)的特性，以month为键分组，仅遍历一次列表即可完成统计，是当前数据量下的最快方案：

import datetime
import zoneinfo

def merge_monthly_data(data):
    grouped = {}
    for item in data:
        month_key = item['month']
        if month_key in grouped:
            # 累加所有统计字段
            for key in ['total', 'Win', 'Loss', 'Open', 'Dormant', 'Pending', 'Cancelled']:
                grouped[month_key][key] += item[key]
        else:
            # 首次出现该月份，复制条目到分组字典
            grouped[month_key] = item.copy()
    # 转换为列表，如需按时间排序可追加sorted逻辑
    return list(grouped.values())

# 测试示例数据
sample_data = [
    {'month': datetime.datetime(2022, 4, 1, 0, 0, tzinfo=zoneinfo.ZoneInfo(key='UTC')), 'total': 1, 'Win': 0, 'Loss': 1, 'Open': 0, 'Dormant': 0, 'Pending': 0, 'Cancelled': 0},
    {'month': datetime.datetime(2022, 5, 1, 0, 0, tzinfo=zoneinfo.ZoneInfo(key='UTC')), 'total': 1, 'Win': 0, 'Loss': 0, 'Open': 1, 'Dormant': 0, 'Pending': 0, 'Cancelled': 0},
    {'month': datetime.datetime(2022, 5, 1, 0, 0, tzinfo=zoneinfo.ZoneInfo(key='UTC')), 'total': 1, 'Win': 0, 'Loss': 1, 'Open': 0, 'Dormant': 0, 'Pending': 0, 'Cancelled': 0},
    {'month': datetime.datetime(2022, 5, 1, 0, 0, tzinfo=zoneinfo.ZoneInfo(key='UTC')), 'total': 1, 'Win': 0, 'Loss': 1, 'Open': 0, 'Dormant': 0, 'Pending': 0, 'Cancelled': 0},
    {'month': datetime.datetime(2022, 5, 1, 0, 0, tzinfo=zoneinfo.ZoneInfo(key='UTC')), 'total': 1, 'Win': 0, 'Loss': 0, 'Open': 1, 'Dormant': 0, 'Pending': 0, 'Cancelled': 0},
    {'month': datetime.datetime(2022, 6, 1, 0, 0, tzinfo=zoneinfo.ZoneInfo(key='UTC')), 'total': 1, 'Win': 0, 'Loss': 0, 'Open': 1, 'Dormant': 0, 'Pending': 0, 'Cancelled': 0},
    {'month': datetime.datetime(2022, 7, 1, 0, 0, tzinfo=zoneinfo.ZoneInfo(key='UTC')), 'total': 1, 'Win': 0, 'Loss': 0, 'Open': 1, 'Dormant': 0, 'Pending': 0, 'Cancelled': 0}
]

result = merge_monthly_data(sample_data)
for item in result:
    print(item)

说明：datetime对象是可哈希类型，可直接作为字典键。该方法时间复杂度为O(n)，远优于循环比对的O(n²)方案。如需结果按时间排序，可将返回语句改为：

return sorted(grouped.values(), key=lambda x: x['month'])

方法2：使用Pandas（适合复杂统计场景） #

如果后续需要更多数据处理操作，Pandas的分组聚合功能代码更简洁，性能对于100+数据量完全够用：

import pandas as pd
import datetime
import zoneinfo

sample_data = [
    # 同上示例数据
]

# 转换为DataFrame
df = pd.DataFrame(sample_data)
# 按month分组并求和统计字段
merged_df = df.groupby('month').sum().reset_index()
# 转换回字典列表
result = merged_df.to_dict('records')

print(result)

说明：Pandas内部优化了分组逻辑，无需手动遍历累加，适合需要后续数据分析的场景。

内容的提问来源于stack exchange，提问作者ChicagoMG2022