根据键/值条件过滤 Python 字典列表答案

【问题标题】：Filter Python list of dictionaries based on key/value criteria根据键/值条件过滤 Python 字典列表
【发布时间】：2020-05-31 21:50:23
【问题描述】：

我有一个需要过滤的字典 python 列表。具体来说，我需要保留原始列表中的所有元素，但要针对特定的键/值标准进行过滤。考虑下面的字典。我需要保留所有具有 radius_mean 键值 >= 13 的对象。谢谢！

my_list = [{'id': '842302', 'diagnosis': 'M', 'radius_mean': '17.99', 'texture_mean': '10.38', 'perimeter_mean': '122.8', 'area_mean' ：'1001'，'smoothness_mean'：'0.1184'，'compactness_mean'：'0.2776'，'concavity_mean'：'0.3001'，'concave points_mean'：'0.1471'，'symmetry_mean'：'0.2419'，'fractal_dimension_mean'： '0.07871'，'radius_se'：'1.095'，'texture_se'：'0.9053'，'perimeter_se'：'8.589'，'area_se'：'153.4'，'smoothness_se'：'0.006399'，'compactness_se'：'0.04904 '，'concavity_se'：'0.05373'，'concavity_se'：'0.01587'，'symmetry_se'：'0.03003'，'fractal_dimension_se'：'0.006193'，'radius_worst'：'25.38'，'texture_worst'：'17.3' , 'perimeter_worst': '184.6', 'area_worst': '2019', 'smoothness_worst': '0.1622', 'compactness_worst': '0.6656', 'concavity_worst': '0.7119', '凹点_worst': '0.2654', 'symmetry_worst': '0.4601', 'fractal_dimension_worst': '0.1189'}, {'id': '842517', '诊断': 'M', 'radius_mean': '20.57', 'texture_mean': '17.77', “周长平均值”：“132.9” ，'area_mean'：'1326'，'smoothness_mean'：'0.08474'，'compactness_mean'：'0.07864'，'concavity_mean'：'0.0869'，'concavity_mean'：'0.07017'，'symmetry_mean'：'0.1812'， 'fractal_dimension_mean'：'0.05667'，'radius_se'：'0.5435'，'texture_se'：'0.7339'，'perimeter_se'：'3.398'，'area_se'：'74.08'，'smoothness_se'：'0.005225'，'compactness_se '：'0.01308'，'concavity_se'：'0.0186'，'凹点_se'：'0.0134'，'symmetry_se'：'0.01389'，'fractal_dimension_se'：'0.003532'，'radius_worst'：'24.99'，'texture_worst ：'23.41'，'perimeter_worst'：'158.8'，'area_worst'：'1956'，'smoothness_worst'：'0.1238'，'compactness_worst'：'0.1866'，'concavity_worst'：'0.2416'，'凹点_worst'： '0.186'，'symmetry_worst'：'0.275'，'fractal_dimension_worst'：'0.08902'}，{'id'：'84300903'，'诊断'：'M'，'radius_mean'：'19.69'，'texture_mean'： '21.25'，'perimeter_mean'：'130'，'area_mean'：'1203'，'smoothness_mean'：'0.1096'，'compactness_mean'：'0.1599'，'concavity_mean'：'0.1974'，'凹点nts_mean'：'0.1279'，'symmetry_mean'：'0.2069'，'fractal_dimension_mean'：'0.05999'，'radius_se'：'0.7456'，'texture_se'：'0.7869'，'perimeter_se'：'4.585'，'area_se' ：'94.03'，'smoothness_se'：'0.00615'，'compactness_se'：'0.04006'，'concavity_se'：'0.03832'，'凹点_se'：'0.02058'，'symmetry_se'：'0.0225'，'fractal_dimension_se'： '0.004571'，'radius_worst'：'23.57'，'texture_worst'：'25.53'，'perimeter_worst'：'152.5'，'area_worst'：'1709'，'smoothness_worst'：'0.1444'，'compactness_worst'：'0.44 '，'concavity_worst'：'0.4504'，'凹点_worst'：'0.243'，'symmetry_worst'：'0.3613'，'fractal_dimension_worst'：'0.08758'}，{'id'：'84348301'，'诊断'：' M'，'radius_mean'：'11.42'，'texture_mean'：'20.38'，'perimeter_mean'：'77.58'，'area_mean'：'386.1'，'smoothness_mean'：'0.1425'，'compactness_mean'：'0.2839' ，'concavity_mean'：'0.2414'，'concave points_mean'：'0.1052'，'symmetry_mean'：'0.2597'，'fractal_dimension_mean'：'0.09744'，'radius_se'：'0.4956'，'texture_se'： '1.156'，'perimeter_se'：'3.445'，'area_se'：'27.23'，'smoothness_se'：'0.00911'，'compactness_se'：'0.07458'，'concavity_se'：'0.05661'，'凹点_se'：' 0.01867'，'symmetry_se'：'0.05963'，'fractal_dimension_se'：'0.009208'，'radius_worst'：'14.91'，'texture_worst'：'26.5'，'perimeter_worst'：'98.87'，'area_worst'：'567。 , 'smoothness_worst': '0.2098', 'compactness_worst': '0.8663', 'concavity_worst': '0.6869', 'concave points_worst': '0.2575', 'symmetry_worst': '0.6638', 'fractal_dimension_worst'0.}' ，{'id'：'84358402'，'诊断'：'M'，'radius_mean'：'20.29'，'texture_mean'：'14.34'，'perimeter_mean'：'135.1'，'area_mean'：'1297'， 'smoothness_mean'：'0.1003'，'compactness_mean'：'0.1328'，'concavity_mean'：'0.198'，'concave points_mean'：'0.1043'，'symmetry_mean'：'0.1809'，'fractal_dimension_mean'：'0.05883'，' radius_se'：'0.7572'，'texture_se'：'0.7813'，'perimeter_se'：'5.438'，'area_se'：'94.44'，'smoothness_se'：'0.01149'，'compactness_se'：'0.02461'，'concavity_ se'：'0.05688'，'concave points_se'：'0.01885'，'symmetry_se'：'0.01756'，'fractal_dimension_se'：'0.005115'，'radius_worst'：'22.54'，'texture_worst'：'16.67'，'perimeter_worst '：'152.2'，'area_worst'：'1575'，'smoothness_worst'：'0.1374'，'compactness_worst'：'0.205'，'concavity_worst'：'0.4'，'concave points_worst'：'0.1625'，'symmetry_worst' : '0.2364', 'fractal_dimension_worst': '0.07678'}]

【问题讨论】：

那么你的问题是什么？
[x for x in my_list if float(x['radius_mean']) >= 13]
我想为包含 radius_mean 值 >= 13 的字典过滤字典列表。
谢谢米切尔！成功了！

标签： python dictionary key filtering

【解决方案1】：

我相信这将是一种真正的蟒蛇方式：

filtered_list = filter(lambda d: float(d['radius_mean']) >= 13.0, my_list)

【讨论】：

【解决方案2】：

你可以使用

rad_gt_13 = [x for x in my_list if float(x["radius_mean"]) >= 13 ]

【讨论】：

【解决方案3】：

一种过滤方法是通过推导：

filtered_list = [d for d in my_list if float(d['radius_mean']) >= 13.0]

【讨论】：

【解决方案4】：

您可以在for loop 中使用简单的inline if 过滤列表

filtered_list = [i for i in my_list if float(i['radius_mean']) >= 13.0]

【讨论】：