Python如何基于set高效实现多嵌套列表交集计算与对应值求和

算力阿峰

2026-9-1

高性能嵌套列表公共首元素求和实现

基于set做集合交集的方案完全可以替代pandas实现，且大数据量下性能提升非常明显，核心原因是省去了pandas DataFrame初始化、多轮merge的额外开销，全程用原生Python数据结构做O(1)复杂度的查询和计算。

实现思路

先将每个输入嵌套列表转换为「子列表首元素为key、第二个整数为value」的字典，同时提取每个列表的首元素集合
对所有首元素集合取交集，得到同时存在于所有输入列表的公共首元素
遍历所有公共首元素，累加每个列表中对应key的第二个整数值，最终组装为要求的嵌套列表格式即可

可直接运行的通用实现

该实现支持任意多个输入嵌套列表，不需要写死列表数量：

def nested_list_common_sum(*input_lists):
    key_maps = []
    key_sets = []
    for lst in input_lists:
        # 单列表首元素不重复，可直接转字典
        kv_map = {key: val for key, val in lst}
        key_maps.append(kv_map)
        key_sets.append(set(kv_map.keys()))
    # 求所有列表共有的首元素
    common_keys = set.intersection(*key_sets)
    # 累加计算并组装结果
    result = []
    for k in common_keys:
        val_sum = sum(mp[k] for mp in key_maps)
        result.append([k, val_sum])
    return result


# 测试示例
if __name__ == "__main__":
    list1 = [[10, 1], [200, 2], [300, 9], [400, 1], [500, 1]]
    list2 = [[22, 1], [200, 2], [300, 9], [900, 1], [660, 1], [500, 1]]
    list3 = [[30, 1], [200, 2], [300, 0], [400, 1], [500, 1]]
    print(nested_list_common_sum(list1, list2, list3))

运行上述测试代码输出[[200, 6], [300, 18], [500, 3]]，和预期结果完全一致。