扁平化嵌套字典，压缩键-IT科技

摘要：问题描述：假设你有一本如下的字典：{'a': 1, 'c': {'a': 2, 'b': {'x': 5, 'y' : 10}}, 'd': [1, 2, 3]} 你会怎样将它扁平化成如下形式：{'a': 1, 'c_a': 2, 'c_b_x': 5, 'c...

问题描述：

假设你有一本如下的字典：

{'a': 1,
 'c': {'a': 2,
       'b': {'x': 5,
             'y' : 10}},
 'd': [1, 2, 3]}

你会怎样将它扁平化成如下形式：

{'a': 1,
 'c_a': 2,
 'c_b_x': 5,
 'c_b_y': 10,
 'd': [1, 2, 3]}

解决方案 1：

基本上与展平嵌套列表的方式相同，您只需做一些额外的工作，即按键/值来迭代字典，为新字典创建新键，并在最后一步创建字典。

from collections.abc import MutableMapping

def flatten(dictionary, parent_key='', separator='_'):
    items = []
    for key, value in dictionary.items():
        new_key = parent_key + separator + key if parent_key else key
        if isinstance(value, MutableMapping):
            items.extend(flatten(value, new_key, separator=separator).items())
        else:
            items.append((new_key, value))
    return dict(items)

>>> flatten({'a': 1, 'c': {'a': 2, 'b': {'x': 5, 'y' : 10}}, 'd': [1, 2, 3]})
{'a': 1, 'c_a': 2, 'c_b_x': 5, 'd': [1, 2, 3], 'c_b_y': 10}

解决方案 2：

json_normalize()如果你已经在使用 pandas，你可以这样做：

import pandas as pd

d = {'a': 1,
     'c': {'a': 2, 'b': {'x': 5, 'y' : 10}},
     'd': [1, 2, 3]}

df = pd.json_normalize(d, sep='_')
d_flat = df.to_dict(orient='records')[0]

print(d_flat)

输出：

{'a': 1, 'c_a': 2, 'c_b_x': 5, 'c_b_y': 10, 'd': [1, 2, 3]}

解决方案 3：

原始发帖者需要考虑两个重要问题：

是否存在键空间破坏问题？例如，{'a_b':{'c':1}, 'a':{'b_c':2}}会导致{'a_b_c':???}。下面的解决方案通过返回对的可迭代对象来避免该问题。
如果性能是一个问题，那么 key-reducer 函数（我在此将其称为“join”）是否需要访问整个 key-path，或者它是否只能在树中的每个节点上执行 O(1) 工作？如果您希望能够说joinedKey = '_'.join(*keys)，这将花费您 O(N^2) 的运行时间。但是，如果您愿意说nextKey = previousKey+'_'+thisKey，这将为您带来 O(N) 的时间。下面的解决方案允许您同时执行这两项操作（因为您可以简单地连接所有键，然后对它们进行后处理）。

（性能可能不是问题，但如果其他人关心，我会详细说明第二点：在实现这一点时，有许多危险的选择。如果你以递归方式执行此操作并产生并重新产生，或者任何等效于多次接触节点的操作（这很容易意外完成），那么你可能正在执行 O（N ^ 2）工作而不是 O（N）。这是因为也许你正在计算一个密钥然后a...... ，然后计算然后...... ，但实际上你不必再次计算。即使你没有重新计算它，重新产生它（“逐级”方法）也同样糟糕。一个很好的例子是考虑）a_1`a_1_iaa_1a_1_iia_1`{1:{1:{1:{1:...(N times)...{1:SOME_LARGE_DICTIONARY_OF_SIZE_N}...}}}}

下面是我编写的一个函数flattenDict(d, join=..., lift=...)，它可以适应多种用途，可以做你想做的事。遗憾的是，很难制作这个函数的惰性版本而不产生上述性能损失（许多 Python 内置函数，如 chain.from_iterable 实际上效率不高，在确定这个版本之前，我对此代码的三个不同版本进行了广泛的测试，才意识到这一点）。

from collections import Mapping
from itertools import chain
from operator import add

_FLAG_FIRST = object()

def flattenDict(d, join=add, lift=lambda x:(x,)):
    results = []
    def visit(subdict, results, partialKey):
        for k,v in subdict.items():
            newKey = lift(k) if partialKey==_FLAG_FIRST else join(partialKey,lift(k))
            if isinstance(v,Mapping):
                visit(v, results, newKey)
            else:
                results.append((newKey,v))
    visit(d, results, _FLAG_FIRST)
    return results

为了更好地理解发生了什么，下面为不熟悉reduce(left)（也称为“向左折叠”）的人提供了一个图表。有时，它会用初始值代替 k0（不是列表的一部分，而是传递给函数）来绘制。这里，J是我们的join函数。我们用预处理每个 k nlift(k)。

               [k0,k1,...,kN].foldleft(J)
                           /    \n                         ...    kN
                         /
       J(k0,J(k1,J(k2,k3)))
                       /  \n                      /    \n           J(J(k0,k1),k2)   k3
                    /   \n                   /     \n             J(k0,k1)    k2
                 /  \n                /    \n               k0     k1

这实际上与相同functools.reduce，但我们的函数对树的所有关键路径执行此操作。

>>> reduce(lambda a,b:(a,b), range(5))
((((0, 1), 2), 3), 4)

演示（否则我会将其放在文档字符串中）：

>>> testData = {
        'a':1,
        'b':2,
        'c':{
            'aa':11,
            'bb':22,
            'cc':{
                'aaa':111
            }
        }
    }
from pprint import pprint as pp

>>> pp(dict( flattenDict(testData) ))
{('a',): 1,
 ('b',): 2,
 ('c', 'aa'): 11,
 ('c', 'bb'): 22,
 ('c', 'cc', 'aaa'): 111}

>>> pp(dict( flattenDict(testData, join=lambda a,b:a+'_'+b, lift=lambda x:x) ))
{'a': 1, 'b': 2, 'c_aa': 11, 'c_bb': 22, 'c_cc_aaa': 111}    

>>> pp(dict( (v,k) for k,v in flattenDict(testData, lift=hash, join=lambda a,b:hash((a,b))) ))
{1: 12416037344,
 2: 12544037731,
 11: 5470935132935744593,
 22: 4885734186131977315,
 111: 3461911260025554326}

表现：

from functools import reduce
def makeEvilDict(n):
    return reduce(lambda acc,x:{x:acc}, [{i:0 for i in range(n)}]+range(n))

import timeit
def time(runnable):
    t0 = timeit.default_timer()
    _ = runnable()
    t1 = timeit.default_timer()
    print('took {:.2f} seconds'.format(t1-t0))

>>> pp(makeEvilDict(8))
{7: {6: {5: {4: {3: {2: {1: {0: {0: 0,
                                 1: 0,
                                 2: 0,
                                 3: 0,
                                 4: 0,
                                 5: 0,
                                 6: 0,
                                 7: 0}}}}}}}}}

import sys
sys.setrecursionlimit(1000000)

forget = lambda a,b:''

>>> time(lambda: dict(flattenDict(makeEvilDict(10000), join=forget)) )
took 0.10 seconds
>>> time(lambda: dict(flattenDict(makeEvilDict(100000), join=forget)) )
[1]    12569 segmentation fault  python

......唉，别以为那都是我的错......

[由于审核问题，历史记录不重要]

关于所谓的Flatten a dictionary of dictionaries (2 levels deep) of lists 的重复

这个问题的解决方案可以通过执行来实现sorted( sum(flatten(...),[]) )。相反是不可能的：虽然可以通过映射高阶累加器从所谓的重复项中恢复的值flatten(...)，但无法恢复密钥。（编辑：事实证明，所谓的重复所有者的问题完全不同，因为它只涉及恰好 2 级深度的字典，尽管该页面上的一个答案给出了通用解决方案。）

解决方案 4：

如果您正在使用，pandas则在pandas.io.json._normalize1中隐藏了一个函数，nested_to_record它就可以完成此操作。

from pandas.io.json._normalize import nested_to_record    

flat = nested_to_record(my_dict, sep='_')

1在 Pandas 版本0.24.x及更早版本中，使用pandas.io.json.normalize（不带_）

解决方案 5：

这与 OP 所问的并不完全一致，但许多人来这里是为了寻找方法来展平现实世界的嵌套 JSON 数据，这些数据可以包含嵌套的键值 JSON 对象和数组以及数组内的 JSON 对象等等。JSON 不包含元组，因此我们不必为此烦恼。

我找到了@roneo对@Imran 发布的答案的列表包含评论的实现：

https://github.com/ScriptSmith/socialreaper/blob/master/socialreaper/tools.py#L8

import collections
def flatten(dictionary, parent_key=False, separator='.'):
    """
    Turn a nested dictionary into a flattened dictionary
    :param dictionary: The dictionary to flatten
    :param parent_key: The string to prepend to dictionary's keys
    :param separator: The string used to separate flattened keys
    :return: A flattened dictionary
    """

    items = []
    for key, value in dictionary.items():
        new_key = str(parent_key) + separator + key if parent_key else key
        if isinstance(value, collections.abc.MutableMapping):
            items.extend(flatten(value, new_key, separator).items())
        elif isinstance(value, list):
            for k, v in enumerate(value):
                items.extend(flatten({str(k): v}, new_key).items())
        else:
            items.append((new_key, value))
    return dict(items)

测试一下：

flatten({'a': 1, 'c': {'a': 2, 'b': {'x': 5, 'y' : 10}}, 'd': [1, 2, 3] })

>> {'a': 1, 'c.a': 2, 'c.b.x': 5, 'c.b.y': 10, 'd.0': 1, 'd.1': 2, 'd.2': 3}

这完成了我需要的工作：我将任何复杂的 json 抛给它，它会帮我解决。

所有荣誉归功于https://github.com/ScriptSmith。

2023-06-14 针对 Python >= 3.10 进行更新

自 Python 3.10 起，collections.MutableMapping已更改为。因此，上面的代码经过编辑以反映相同的内容。如果您的 Python 版本低于 3.10，请在您这边collections.abc.MutableMapping将其改回。
参考：https ://stackoverflow.com/a/71902541/4355695collections.MutableMapping

解决方案 6：

这是一种“功能性”、“单行”实现。它是递归的，并且基于条件表达式和字典理解。

def flatten_dict(dd, separator='_', prefix=''):
    return { prefix + separator + k if prefix else k : v
             for kk, vv in dd.items()
             for k, v in flatten_dict(vv, separator, kk).items()
             } if isinstance(dd, dict) else { prefix : dd }

测试：

In [2]: flatten_dict({'abc':123, 'hgf':{'gh':432, 'yu':433}, 'gfd':902, 'xzxzxz':{"432":{'0b0b0b':231}, "43234":1321}}, '.')
Out[2]: 
{'abc': 123,
 'gfd': 902,
 'hgf.gh': 432,
 'hgf.yu': 433,
 'xzxzxz.432.0b0b0b': 231,
 'xzxzxz.43234': 1321}

解决方案 7：

代码：

test = {'a': 1, 'c': {'a': 2, 'b': {'x': 5, 'y' : 10}}, 'd': [1, 2, 3]}

def parse_dict(init, lkey=''):
    ret = {}
    for rkey,val in init.items():
        key = lkey+rkey
        if isinstance(val, dict):
            ret.update(parse_dict(val, key+'_'))
        else:
            ret[key] = val
    return ret

print(parse_dict(test,''))

结果：

$ python test.py
{'a': 1, 'c_a': 2, 'c_b_x': 5, 'd': [1, 2, 3], 'c_b_y': 10}

我正在使用 python3.2，请更新至您的 python 版本。

解决方案 8：

这不仅限于字典，还包括实现 .items() 的每个映射类型。此外，它还更快，因为它避免了 if 条件。不过，还是要感谢 Imran：

def flatten(d, parent_key=''):
    items = []
    for k, v in d.items():
        try:
            items.extend(flatten(v, '%s%s_' % (parent_key, k)).items())
        except AttributeError:
            items.append(('%s%s' % (parent_key, k), v))
    return dict(items)

解决方案 9：

Python3.5 中的功能性和高性能解决方案怎么样？

from functools import reduce


def _reducer(items, key, val, pref):
    if isinstance(val, dict):
        return {**items, **flatten(val, pref + key)}
    else:
        return {**items, pref + key: val}

def flatten(d, pref=''):
    return(reduce(
        lambda new_d, kv: _reducer(new_d, *kv, pref), 
        d.items(), 
        {}
    ))

这甚至更有效：

def flatten(d, pref=''):
    return(reduce(
        lambda new_d, kv: \n            isinstance(kv[1], dict) and \n            {**new_d, **flatten(kv[1], pref + kv[0])} or \n            {**new_d, pref + kv[0]: kv[1]}, 
        d.items(), 
        {}
    ))

使用中：

my_obj = {'a': 1, 'c': {'a': 2, 'b': {'x': 5, 'y': 10}}, 'd': [1, 2, 3]}

print(flatten(my_obj)) 
# {'d': [1, 2, 3], 'cby': 10, 'cbx': 5, 'ca': 2, 'a': 1}

解决方案 10：

如果你是Pythonic 单行命令的粉丝：

my_dict={'a': 1,'c': {'a': 2,'b': {'x': 5,'y' : 10}},'d': [1, 2, 3]}

list(pd.json_normalize(my_dict).T.to_dict().values())[0]

{'a': 1, 'c.a': 2, 'c.b.x': 5, 'c.b.y': 10, 'd': [1, 2, 3]}

[0]如果您有一个字典列表而不是仅一本字典，那么您可以从末尾保留。

解决方案 11：

我的 Python 3.3 使用生成器的解决方案：

def flattenit(pyobj, keystring=''):
   if type(pyobj) is dict:
     if (type(pyobj) is dict):
         keystring = keystring + "_" if keystring else keystring
         for k in pyobj:
             yield from flattenit(pyobj[k], keystring + k)
     elif (type(pyobj) is list):
         for lelm in pyobj:
             yield from flatten(lelm, keystring)
   else:
      yield keystring, pyobj

my_obj = {'a': 1, 'c': {'a': 2, 'b': {'x': 5, 'y': 10}}, 'd': [1, 2, 3]}

#your flattened dictionary object
flattened={k:v for k,v in flattenit(my_obj)}
print(flattened)

# result: {'c_b_y': 10, 'd': [1, 2, 3], 'c_a': 2, 'a': 1, 'c_b_x': 5}

解决方案 12：

利用递归，保持其简单且易于阅读：

def flatten_dict(dictionary, accumulator=None, parent_key=None, separator="."):
    if accumulator is None:
        accumulator = {}

    for k, v in dictionary.items():
        k = f"{parent_key}{separator}{k}" if parent_key else k
        if isinstance(v, dict):
            flatten_dict(dictionary=v, accumulator=accumulator, parent_key=k)
            continue

        accumulator[k] = v

    return accumulator

调用很简单：

new_dict = flatten_dict(dictionary)

或者

new_dict = flatten_dict(dictionary, separator="_")

如果我们想改变默认分隔符。

稍微分解一下：

首次调用该函数时，它仅传递了dictionary我们想要展平的。accumulator参数在这里是为了支持递归，我们稍后会看到。因此，我们实例化为accumulator一个空字典，我们将在其中放置原始中的所有嵌套值dictionary。

if accumulator is None:
    accumulator = {}

当我们迭代字典的值时，我们会为每个值构造一个键。该parent_key参数将None用于第一次调用，而对于每个嵌套字典，它将包含指向它的键，因此我们将该键添加到前面。

k = f"{parent_key}{separator}{k}" if parent_key else k

如果v键k指向的值是字典，则函数会调用自身，传递嵌套字典、accumulator（通过引用传递，因此对它所做的所有更改都在同一实例上完成）和键，k以便我们可以构造连接的键。注意continue语句。我们希望跳过块外的下一行if，以便嵌套字典不会落入accumulator键下k。

if isinstance(v, dict):
    flatten_dict(dict=v, accumulator=accumulator, parent_key=k)
    continue

那么，如果值v不是字典，我们该怎么办？只需将其不变地放在中即可accumulator。

accumulator[k] = v

一旦我们完成了，我们只需返回accumulator，而原始dictionary参数保持不变。

笔记

这只适用于以字符串为键的字典。它适用于实现该__repr__方法的可哈希对象，但会产生不想要的结果。

解决方案 13：

这是一个使用堆栈的解决方案。没有递归。

def flatten_nested_dict(nested):
    stack = list(nested.items())
    ans = {}
    while stack:
        key, val = stack.pop()
        if isinstance(val, dict):
            for sub_key, sub_val in val.items():
                stack.append((f"{key}_{sub_key}", sub_val))
        else:
            ans[key] = val
    return ans

解决方案 14：

用于展平嵌套字典的简单函数。对于 Python 3，请将其替换.iteritems()为.items()

def flatten_dict(init_dict):
    res_dict = {}
    if type(init_dict) is not dict:
        return res_dict

    for k, v in init_dict.iteritems():
        if type(v) == dict:
            res_dict.update(flatten_dict(v))
        else:
            res_dict[k] = v

    return res_dict

想法/要求是：获取不保留父键的平面字典。

使用示例：

dd = {'a': 3, 
      'b': {'c': 4, 'd': 5}, 
      'e': {'f': 
                 {'g': 1, 'h': 2}
           }, 
      'i': 9,
     }

flatten_dict(dd)

>> {'a': 3, 'c': 4, 'd': 5, 'g': 1, 'h': 2, 'i': 9}

保存父密钥也很简单。

解决方案 15：

我正在考虑使用 UserDict 的一个子类来自动平整按键。

class FlatDict(UserDict):
    def __init__(self, *args, separator='.', **kwargs):
        self.separator = separator
        super().__init__(*args, **kwargs)

    def __setitem__(self, key, value):
        if isinstance(value, dict):
            for k1, v1 in FlatDict(value, separator=self.separator).items():
                super().__setitem__(f"{key}{self.separator}{k1}", v1)
        else:
            super().__setitem__(key, value)

‌ 其优点是可以动态添加键，或者使用标准字典实例，毫不奇怪：

‌

>>> fd = FlatDict(
...    {
...        'person': {
...            'sexe': 'male', 
...            'name': {
...                'first': 'jacques',
...                'last': 'dupond'
...            }
...        }
...    }
... )
>>> fd
{'person.sexe': 'male', 'person.name.first': 'jacques', 'person.name.last': 'dupond'}
>>> fd['person'] = {'name': {'nickname': 'Bob'}}
>>> fd
{'person.sexe': 'male', 'person.name.first': 'jacques', 'person.name.last': 'dupond', 'person.name.nickname': 'Bob'}
>>> fd['person.name'] = {'civility': 'Dr'}
>>> fd
{'person.sexe': 'male', 'person.name.first': 'jacques', 'person.name.last': 'dupond', 'person.name.nickname': 'Bob', 'person.name.civility': 'Dr'}

解决方案 16：

这与 imran 和 ralu 的答案类似。它不使用生成器，而是使用带有闭包的递归：

def flatten_dict(d, separator='_'):
  final = {}
  def _flatten_dict(obj, parent_keys=[]):
    for k, v in obj.iteritems():
      if isinstance(v, dict):
        _flatten_dict(v, parent_keys + [k])
      else:
        key = separator.join(parent_keys + [k])
        final[key] = v
  _flatten_dict(d)
  return final

>>> print flatten_dict({'a': 1, 'c': {'a': 2, 'b': {'x': 5, 'y' : 10}}, 'd': [1, 2, 3]})
{'a': 1, 'c_a': 2, 'c_b_x': 5, 'd': [1, 2, 3], 'c_b_y': 10}

解决方案 17：

上面的答案确实很有效。我只是想添加我编写的 unflatten 函数：

def unflatten(d):
    ud = {}
    for k, v in d.items():
        context = ud
        for sub_key in k.split('_')[:-1]:
            if sub_key not in context:
                context[sub_key] = {}
            context = context[sub_key]
        context[k.split('_')[-1]] = v
    return ud

注意：这不考虑键中已经存在的“_”，与扁平对应物非常相似。

解决方案 18：

Davoud 的解决方案非常好，但是当嵌套字典还包含字典列表时不能给出令人满意的结果，但他的代码可以针对这种情况进行调整：

def flatten_dict(d):
    items = []
    for k, v in d.items():
        try:
            if (type(v)==type([])): 
                for l in v: items.extend(flatten_dict(l).items())
            else: 
                items.extend(flatten_dict(v).items())
        except AttributeError:
            items.append((k, v))
    return dict(items)

解决方案 19：

def flatten(unflattened_dict, separator='_'):
    flattened_dict = {}

    for k, v in unflattened_dict.items():
        if isinstance(v, dict):
            sub_flattened_dict = flatten(v, separator)
            for k2, v2 in sub_flattened_dict.items():
                flattened_dict[k + separator + k2] = v2
        else:
            flattened_dict[k] = v

    return flattened_dict

解决方案 20：

事实上，我最近编写了一个名为 cherrypicker 的包来处理这种事情，因为我必须经常这样做！

我认为下面的代码可以满足您的要求：

from cherrypicker import CherryPicker

dct = {
    'a': 1,
    'c': {
        'a': 2,
        'b': {
            'x': 5,
            'y' : 10
        }
    },
    'd': [1, 2, 3]
}

picker = CherryPicker(dct)
picker.flatten().get()

您可以使用以下方式安装该包：

pip install cherrypicker

...https: //cherrypicker.readthedocs.io还有更多文档和指南。

其他方法可能更快，但此包的首要任务是使此类任务变得简单。如果您确实有大量对象需要展平，您也可以告诉 CherryPicker 使用并行处理来加快速度。

解决方案 21：

使用生成器：

def flat_dic_helper(prepand,d):
    if len(prepand) > 0:
        prepand = prepand + "_"
    for k in d:
        i = d[k]
        if isinstance(i, dict):
            r = flat_dic_helper(prepand + k,i)
            for j in r:
                yield j
        else:
            yield (prepand + k,i)

def flat_dic(d):
    return dict(flat_dic_helper("",d))

d = {'a': 1, 'c': {'a': 2, 'b': {'x': 5, 'y' : 10}}, 'd': [1, 2, 3]}
print(flat_dic(d))


>> {'a': 1, 'c_a': 2, 'c_b_x': 5, 'd': [1, 2, 3], 'c_b_y': 10}

解决方案 22：

使用 flatdict 库：

dic={'a': 1,
 'c': {'a': 2,
       'b': {'x': 5,
             'y' : 10}},
 'd': [1, 2, 3]}

import flatdict
f =  flatdict.FlatDict(dic,delimiter='_')
print(f)
#output
{'a': 1, 'c_a': 2, 'c_b_x': 5, 'c_b_y': 10, 'd': [1, 2, 3]}

解决方案 23：

这是一个优雅的就地替换算法。已使用 Python 2.7 和 Python 3.5 测试。使用点字符作为分隔符。

def flatten_json(json):
    if type(json) == dict:
        for k, v in list(json.items()):
            if type(v) == dict:
                flatten_json(v)
                json.pop(k)
                for k2, v2 in v.items():
                    json[k+"."+k2] = v2

例子：

d = {'a': {'b': 'c'}}                   
flatten_json(d)
print(d)
unflatten_json(d)
print(d)

输出：

{'a.b': 'c'}
{'a': {'b': 'c'}}

我在这里发布了此代码以及匹配的unflatten_json函数。

解决方案 24：

如果您想要平面嵌套字典并想要所有唯一键列表，那么这里是解决方案：

def flat_dict_return_unique_key(data, unique_keys=set()):
    if isinstance(data, dict):
        [unique_keys.add(i) for i in data.keys()]
        for each_v in data.values():
            if isinstance(each_v, dict):
                flat_dict_return_unique_key(each_v, unique_keys)
    return list(set(unique_keys))

解决方案 25：

我总是喜欢dict通过访问对象.items()，因此对于扁平化字典，我使用以下递归生成器flat_items(d)。如果您希望再次使用dict，只需像这样包装它：flat = dict(flat_items(d))

def flat_items(d, key_separator='.'):
    """
    Flattens the dictionary containing other dictionaries like here: https://stackoverflow.com/questions/6027558/flatten-nested-python-dictionaries-compressing-keys

    >>> example = {'a': 1, 'c': {'a': 2, 'b': {'x': 5, 'y' : 10}}, 'd': [1, 2, 3]}
    >>> flat = dict(flat_items(example, key_separator='_'))
    >>> assert flat['c_b_y'] == 10
    """
    for k, v in d.items():
        if type(v) is dict:
            for k1, v1 in flat_items(v, key_separator=key_separator):
                yield key_separator.join((k, k1)), v1
        else:
            yield k, v

解决方案 26：

def flatten_nested_dict(_dict, _str=''):
    '''
    recursive function to flatten a nested dictionary json
    '''
    ret_dict = {}
    for k, v in _dict.items():
        if isinstance(v, dict):
            ret_dict.update(flatten_nested_dict(v, _str = '_'.join([_str, k]).strip('_')))
        elif isinstance(v, list):
            for index, item in enumerate(v):
                if isinstance(item, dict):
                    ret_dict.update(flatten_nested_dict(item,  _str= '_'.join([_str, k, str(index)]).strip('_')))
                else:
                    ret_dict['_'.join([_str, k, str(index)]).strip('_')] = item
        else:
            ret_dict['_'.join([_str, k]).strip('_')] = v
    return ret_dict

解决方案 27：

在简单的嵌套列表式递归中使用 dict.popitem()：

def flatten(d):
    if d == {}:
        return d
    else:
        k,v = d.popitem()
        if (dict != type(v)):
            return {k:v, **flatten(d)}
        else:
            flat_kv = flatten(v)
            for k1 in list(flat_kv.keys()):
                flat_kv[k + '_' + k1] = flat_kv[k1]
                del flat_kv[k1]
            return {**flat_kv, **flatten(d)}

解决方案 28：

如果您不介意递归函数，这里有一个解决方案。我还擅自添加了一个排除参数，以防您希望保留一个或多个值。

代码：

def flatten_dict(dictionary, exclude = [], delimiter ='_'):
    flat_dict = dict()
    for key, value in dictionary.items():
        if isinstance(value, dict) and key not in exclude:
            flatten_value_dict = flatten_dict(value, exclude, delimiter)
            for k, v in flatten_value_dict.items():
                flat_dict[f"{key}{delimiter}{k}"] = v
        else:
            flat_dict[key] = value
    return flat_dict

用法：

d = {'a':1, 'b':[1, 2], 'c':3, 'd':{'a':4, 'b':{'a':7, 'b':8}, 'c':6}, 'e':{'a':1,'b':2}}
flat_d = flatten_dict(dictionary=d, exclude=['e'], delimiter='.')
print(flat_d)

输出：

{'a': 1, 'b': [1, 2], 'c': 3, 'd.a': 4, 'd.b.a': 7, 'd.b.b': 8, 'd.c': 6, 'e': {'a': 1, 'b': 2}}

解决方案 29：

我尝试了这个页面上的某些解决方案（虽然不是全部），但我尝试过的解决方案无法处理字典的嵌套列表。

考虑这样的字典：

d = {
        'owner': {
            'name': {'first_name': 'Steven', 'last_name': 'Smith'},
            'lottery_nums': [1, 2, 3, 'four', '11', None],
            'address': {},
            'tuple': (1, 2, 'three'),
            'tuple_with_dict': (1, 2, 'three', {'is_valid': False}),
            'set': {1, 2, 3, 4, 'five'},
            'children': [
                {'name': {'first_name': 'Jessica',
                          'last_name': 'Smith', },
                 'children': []
                 },
                {'name': {'first_name': 'George',
                          'last_name': 'Smith'},
                 'children': []
                 }
            ]
        }
    }

这是我的临时解决方案：

def flatten_dict(input_node: dict, key_: str = '', output_dict: dict = {}):
    if isinstance(input_node, dict):
        for key, val in input_node.items():
            new_key = f"{key_}.{key}" if key_ else f"{key}"
            flatten_dict(val, new_key, output_dict)
    elif isinstance(input_node, list):
        for idx, item in enumerate(input_node):
            flatten_dict(item, f"{key_}.{idx}", output_dict)
    else:
        output_dict[key_] = input_node
    return output_dict

生成结果：

{
  owner.name.first_name: Steven,
  owner.name.last_name: Smith,
  owner.lottery_nums.0: 1,
  owner.lottery_nums.1: 2,
  owner.lottery_nums.2: 3,
  owner.lottery_nums.3: four,
  owner.lottery_nums.4: 11,
  owner.lottery_nums.5: None,
  owner.tuple: (1, 2, 'three'),
  owner.tuple_with_dict: (1, 2, 'three', {'is_valid': False}),
  owner.set: {1, 2, 3, 4, 'five'},
  owner.children.0.name.first_name: Jessica,
  owner.children.0.name.last_name: Smith,
  owner.children.1.name.first_name: George,
  owner.children.1.name.last_name: Smith,
}

这是一个临时的解决方案，并不完美。

注意：

它不保留空的字典，例如address: {}k/v 对。
它不会展平嵌套元组中的字典 - 尽管利用 python 元组的作用类似于列表的事实可以很容易地添加。

解决方案 30：

此Flatten 嵌套字典的变体，使用 max_level 和自定义 Reducer 压缩键。

  def flatten(d, max_level=None, reducer='tuple'):
      if reducer == 'tuple':
          reducer_seed = tuple()
          reducer_func = lambda x, y: (*x, y)
      else:
          raise ValueError(f'Unknown reducer: {reducer}')

      def impl(d, pref, level):
        return reduce(
            lambda new_d, kv:
                (max_level is None or level < max_level)
                and isinstance(kv[1], dict)
                and {**new_d, **impl(kv[1], reducer_func(pref, kv[0]), level + 1)}
                or {**new_d, reducer_func(pref, kv[0]): kv[1]},
                d.items(),
            {}
        )

      return impl(d, reducer_seed, 0)