基于Python数据结构实现通用集与本地集的最大值存储计算映射需求

Got it！这个需求用Python的字典就能完美解决，毕竟字典的键值对结构刚好对应你这里的Type和数值映射。我给你写个清晰的实现方案，包含代码和解释：

1. 定义初始数据结构 #

首先我们用字典来存储通用集和所有本地集，后续新增本地集直接往列表里加就行：

# 通用集
universal_set = {
    'Type_A': 10,
    'Type_B': 20,
    'Type_C': 30
}

# 本地集列表，后续可以继续添加更多本地集（比如set3、set4...）
local_sets = [
    {
        'Type_D': 40,
        'Type_C': 30,
        'Type_B': 10,
        'Type_A': 15,
        'Type_E': 45
    },
    {
        'Type_C': 40,
        'Type_B': 5
    }
]

2. 核心计算函数 #

写一个函数来处理通用集和每个本地集的比较逻辑，核心就是对每个Type取两者的最大值，本地集里的新Type直接保留：

def calculate_max_mappings(universal, local_collections):
    result_list = []
    for local_set in local_collections:
        # 复制通用集作为基础，避免修改原通用集数据
        current_max = universal.copy()
        # 遍历本地集的每个Type和对应值
        for type_key, value in local_set.items():
            if type_key in current_max:
                # 类型存在时取最大值
                current_max[type_key] = max(current_max[type_key], value)
            else:
                # 类型不存在时直接添加
                current_max[type_key] = value
        result_list.append(current_max)
    return result_list

3. 调用示例与输出 #

调用函数并打印结果，就能看到每个本地集处理后的最大值映射：

# 执行计算
processed_sets = calculate_max_mappings(universal_set, local_sets)

# 打印每个处理后的结果
for idx, processed_set in enumerate(processed_sets, start=1):
    print(f"=== 处理后的本地集{idx} ===")
    for type_key, value in processed_set.items():
        print(f"{type_key}: {value}")

运行这段代码的输出会是：

=== 处理后的本地集1 ===
Type_A: 15
Type_B: 20
Type_C: 30
Type_D: 40
Type_E: 45
=== 处理后的本地集2 ===
Type_A: 10
Type_B: 20
Type_C: 40

4. 关键细节说明 #

• 使用dict.copy()是为了不修改原通用集的数据，保证每次处理都是基于原始的通用集进行计算
• 对于本地集里的新Type（比如示例里的Type_D、Type_E），直接添加到结果字典中，因为通用集里没有对应值，最大值就是本地集的数值
• 这个方案支持任意数量的本地集，后续只需要往local_sets列表里新增字典即可，不需要修改核心逻辑

内容的提问来源于stack exchange，提问作者neo_phyte