合并同键字典：Python从SQL Server取数后的字典合并需求

嘿，我明白你现在的问题了——从SQL Server抽取的数据是分散的字典列表，想把它们合并成一个包含所有子键值对的统一字典结构对吧？这其实不难，咱们一步步来解决：

核心合并逻辑 #

你的原始数据结构是多个包含'a'键的字典组成的列表，每个'a'对应一个只有单个键值对的子字典。我们要做的就是把这些子字典里的内容全部合并到同一个'a'对应的字典中，最后包装成目标的列表格式。

直接上代码：

# 你的原始数据示例
original_data = [{'a': {1: ('x', 'y', 'z')}}, {'a': {2: ('x', 'y')}}, {'a': {3: ('x', 'y', 'z')}}]

# 初始化最终要生成的结构
merged_dict = {'a': {}}

# 遍历每个元素，把每个'a'下的子字典合并进来
for item in original_data:
    # 使用update方法将子字典的键值对添加到merged_dict['a']中
    merged_dict['a'].update(item['a'])

# 最后包装成你想要的列表形式
final_output = [merged_dict]
print(final_output)

运行这段代码后，你就能得到期望的结构：

[ {'a': {1: ('x', 'y', 'z'), 2: ('x', 'y'), 3: ('x', 'y', 'z')}} ]

关于DataFrame的补充 #

你提到之前尝试用DataFrame处理没成功，这里给你补充一下合并后的数据如何转成DataFrame的方法：

如果你的元组长度一致，可以直接用from_dict指定方向：

import pandas as pd

# 将合并后的子字典转为DataFrame，键作为行索引
df = pd.DataFrame.from_dict(merged_dict['a'], orient='index', columns=['列1', '列2', '列3'])
print(df)

如果元组长度不一致（比如有的是2个元素，有的是3个），可以用列表推导式处理，缺失的位置会自动填充NaN：

df = pd.DataFrame([val for val in merged_dict['a'].values()], index=merged_dict['a'].keys())
print(df)

这样就能顺利把合并后的数据导入DataFrame进行后续处理啦。

内容的提问来源于stack exchange，提问作者sai