Python zip()创建字典仅含2条记录而非千余条的问题排查

问题场景 #

完成Codecademy平台美国医疗保险成本组合项目时，创建smoking_status、insurance_costs两个列表存储CSV中读取的吸烟状态、保险成本字段，用于分析两类人群的成本差异。通过zip()打包两个列表、用字典推导式生成字典时，最终输出仅包含2个键值对，对应CSV文件最后两条数据，未得到预期的1000余条记录。
涉及的原始代码：

import csv

insurance_db = 

with open('insurance.csv',newline='') as insurance_csv:
    insurance_reader = csv.DictReader(insurance_csv)
    for row in insurance_reader:
        insurance_db.append(row)

smoking_status = []

for person in insurance_db:
    smoking_status.append(person.get('smoker'))

insurance_costs = []

for person in insurance_db:
    insurance_costs.append(person.get('charges'))

smoker_dictionary = {key:value for key,value in zip(smoking_status,insurance_costs)}

print(smoker_dictionary)

实际运行输出：

{'yes': '29141.3603', 'no': '2007.945'}

异常成因 #

核心原因是Python字典的键具有全局唯一性，同键重复赋值时新值会直接覆盖旧值：

• smoking_status列表的取值只有'yes'、'no'两类，不存在其他值
• 字典推导式遍历zip生成的键值对时，每遍历到一条吸烟状态为'yes'的记录，就会覆盖字典中已有的'yes'键对应的值；'no'键同理
• 遍历完全部1000余条记录后，两个键各自仅保留最后一次被赋值的内容，正好对应CSV文件末尾两条记录的数值。
  另外原始代码存在显性语法问题：insurance_db = 后未初始化空列表，运行时会直接触发NameError，需要补全为insurance_db = []。

修复方案 #

根据实际业务需求选择对应写法即可：

• 需求1：按吸烟状态分组，统计两类人群的成本特征（如平均成本、成本区间）
  不要直接用吸烟状态作为单值键，改为将同状态的所有成本存入键对应的列表中，参考代码：

  import csv
  
  insurance_db = []
  
  with open('insurance.csv', newline='') as insurance_csv:
      insurance_reader = csv.DictReader(insurance_csv)
      for row in insurance_reader:
          insurance_db.append(row)
  
  # 初始化分组字典，键为吸烟状态，值为对应人群的所有成本
  smoker_cost_dict = {'yes': [], 'no': []}
  for person in insurance_db:
      smoker_status = person.get('smoker')
      # 把成本转成浮点数，方便后续做数值计算
      charge = float(person.get('charges'))
      smoker_cost_dict[smoker_status].append(charge)
  
  # 后续可直接做统计计算，比如计算两类人群的平均保险成本
  avg_smoker_cost = sum(smoker_cost_dict['yes']) / len(smoker_cost_dict['yes'])
  avg_non_smoker_cost = sum(smoker_cost_dict['no']) / len(smoker_cost_dict['no'])
  

• 需求2：存储所有记录的映射关系
  不要用重复度极高的吸烟状态作为字典键，改用每条记录的唯一标识（如记录序号、用户ID）作为键，值存储包含吸烟状态、保险成本的结构化数据，避免键重复覆盖。

原始字典推导式的逻辑等价于逐行给字典同键重复赋值，执行过程可以通过以下代码直观复现：

test_dict = {}
# 模拟遍历前1000条重复yes/no的记录
for i in range(1000):
    if i % 2 == 0:
        test_dict['yes'] = i
    else:
        test_dict['no'] = i
# 最终输出只会保留最后一次赋值的998、999两个值
print(test_dict)

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