如何更简便地对嵌套列表中同类别数据的totalspent求和？

当然有更简便的实现方式！针对你这个按class/plan/type分组求和的需求，我给你整理了几种Python里常用的方案，从标准库到数据分析工具都有，你可以根据场景选择：

方案一：使用collections.defaultdict（标准库，推荐小数据集） #

这是最基础且直观的实现方式，不需要额外安装依赖，适合处理中小型数据集：

from collections import defaultdict

# 初始化默认字典，用(class, plan, type)元组作为唯一键，值用于累加金额
sum_counter = defaultdict(int)

for c in classes:
    # 生成分组键
    group_key = (c.get('class'), c.get('plan'), c.get('type'))
    # 安全提取totalspent，避免空值报错
    spent = c.get('money', [{}])[0].get('totalspent', 0)
    sum_counter[group_key] += spent

# 打印最终结果
for key, total in sum_counter.items():
    print(*key, total)

方案二：使用itertools.groupby（标准库，需先排序） #

如果想用另一种标准库方法，可以用groupby，但要注意必须先对列表按分组键排序，因为groupby只会把连续的相同元素归为一组：

from itertools import groupby

# 先按分组键排序，确保相同组的元素连续
sorted_classes = sorted(classes, key=lambda x: (x.get('class'), x.get('plan'), x.get('type')))

# 分组并累加求和
for group_key, items in groupby(sorted_classes, key=lambda x: (x.get('class'), x.get('plan'), x.get('type'))):
    total_spent = 0
    for item in items:
        total_spent += item.get('money', [{}])[0].get('totalspent', 0)
    print(*group_key, total_spent)

方案三：使用pandas（适合大数据/数据分析场景） #

如果你的数据量较大，或者后续还有更多数据分析需求，pandas的分组功能会更高效简洁：

import pandas as pd

# 将原始列表转换为DataFrame
df = pd.DataFrame(classes)
# 提取money字段中的totalspent，处理空值情况
df['totalspent'] = df['money'].apply(lambda x: x[0].get('totalspent', 0) if x else 0)

# 一行完成分组求和
result_df = df.groupby(['class', 'plan', 'type'])['totalspent'].sum().reset_index()

# 按要求格式输出结果
for _, row in result_df.iterrows():
    print(row['class'], row['plan'], row['type'], row['totalspent'])

总结 #

• 小数据集且依赖少：选defaultdict，简单直接
• 偏好标准库且能接受排序：选groupby
• 大数据或需要后续分析：选pandas，效率更高且功能更丰富

内容的提问来源于stack exchange，提问作者NoviceMe