Python如何编写函数清洗聚合字典列表实现去重并统计数量

• 初始状态下cleanedBigData为空，内层for循环完全不会执行，没有任何数据会被添加到结果列表
• 内层循环逻辑错误：每遇到一个不匹配的name就新增条目，会导致大量重复数据生成
• 字典属性取值错误：应该用i["name"]而不是i.name，后者是类实例属性的取值方式，不适用于字典
• 计数逻辑错误：匹配到相同name时，应该给结果列表里的对应条目u的quantity加1，而不是修改原数据i

方案1：使用collections.Counter（最简洁） #

适合绝大多数场景，代码量少、执行效率高：

from collections import Counter

def aggregate_data(big_data):
    # 统计所有name的出现次数
    name_count = Counter(item["name"] for item in big_data)
    # 转换为目标结构
    return [{"name": name, "quantity": count} for name, count in name_count.items()]

# 调用示例
cleanedBigData = aggregate_data(bigData)

方案2：手动实现聚合逻辑（无额外依赖，适合理解原理） #

用辅助字典记录name对应结果列表的下标，避免双层循环，时间复杂度为O(n)，数据量大时优势明显：

def aggregate_data(big_data):
    cleaned = []
    # 存储name对应结果列表中的索引，避免每次全量遍历结果列表
    name_index_map = {}
    for item in big_data:
        current_name = item["name"]
        if current_name in name_index_map:
            # 已存在同名条目，计数+1
            cleaned[name_index_map[current_name]]["quantity"] += 1
        else:
            # 不存在同名条目，新增并记录索引
            new_item = {"name": current_name, "quantity": 1}
            cleaned.append(new_item)
            name_index_map[current_name] = len(cleaned) - 1
    return cleaned

# 调用示例
cleanedBigData = aggregate_data(bigData)

内容的提问来源于stack exchange，提问作者Melly