如何高效合并包含重复姓名的嵌套列表并累加对应数值

在数据处理脚本里，我们经常会拿到类似[["张三", 10], ["李四", 5], ["张三", 3]]这样的结构：外层是列表，里层每个子列表由一个姓名和一个数值组成。当同一个姓名出现多次时，需求通常不是保留多条记录，而是把数值加起来，得到每个姓名对应的总和。这个问题看似简单，但写法不同，运行效率可能差出几十倍。

一、最容易想到的双层循环写法

刚接触编程的人往往会用两层循环：外层遍历原始列表，内层去结果列表里找有没有同名的项，有就加，没有就添。这种思路直观，但每次插入或更新都要扫描一遍结果列表，整体时间复杂度是O(n²)。当数据只有几十行时感觉不出来，一旦到了几千、上万行，脚本就会明显卡顿。

下面是一段典型的低效实现。我们用一个result列表保存合并后的数据，每次都靠for循环去比对姓名：

data = [["张三", 10], ["李四", 5], ["张三", 3], ["王五", 8], ["李四", 2]]

result = []
for item in data:
    name = item[0]
    value = item[1]
    found = False
    for r in result:
        if r[0] == name:
            r[1] += value
            found = True
            break
    if not found:
        result.append([name, value])

print(result)
# 输出: [['张三', 13], ['李四', 7], ['王五', 8]]

这段代码逻辑上没有问题，也很容易读懂。但它的内层循环在result变长之后会做大量无用比对。假设有1000个不同姓名、每个重复5次，内层就要执行约5000次线性搜索。如果数据再翻十倍，等待时间就会让人难以接受。

此外，由于result里存的是列表，后续若想按姓名快速取值，仍然得再写循环，不利于把聚合结果接给别的模块使用。

二、用字典将查找降为O(1)

更高效的做法是利用哈希表（在Python里就是dict）。字典的键必须是不可变类型，字符串姓名正好合适。我们让姓名作键，累加值作值，每次遇到新姓名就初始化，遇到旧姓名就直接加。哈希表的查询和插入平均是常量时间，整体复杂度降到O(n)，而且代码更短。

下面是用字典改写的版本，最后如果想保持“嵌套列表”的输出形态，再转回列表即可：

data = [["张三", 10], ["李四", 5], ["张三", 3], ["王五", 8], ["李四", 2]]

agg = {}
for name, value in data:
    if name in agg:
        agg[name] += value
    else:
        agg[name] = value

# 若必须返回嵌套列表
result = [[k, v] for k, v in agg.items()]
print(result)
# 输出: [['张三', 13], ['李四', 7], ['王五', 8]]

这段代码的执行过程和前面完全不同：无论数据多大，每次循环只做一次哈希计算，不会随着已处理人数变多而变慢。在万级数据下，它通常能在几毫秒内跑完，而双层循环可能要几秒。

字典方案还有一个附带好处——聚合完的数据天然按姓名建立索引，后面若要根据姓名查总额，直接agg.get("张三")就行，不用再遍历。如果业务里姓名本身可能重复但大小写不同（如"张三"和"张三 "），可以在写入前用strip()和lower()统一清洗，避免漏合。

三、使用defaultdict进一步简化

如果觉得if name in agg的判断有点啰嗦，标准库collections里的defaultdict可以帮我们省掉这个分支。它允许在访问不存在的键时自动给一个默认初值，比如int的默认是0，这样直接加就可以。

示例代码如下，逻辑和手动判断完全一致，但可读性更高：

from collections import defaultdict

data = [["张三", 10], ["李四", 5], ["张三", 3], ["王五", 8], ["李四", 2]]

agg = defaultdict(int)
for name, value in data:
    agg[name] += value

result = [[k, v] for k, v in agg.items()]
print(result)

defaultdict在内部帮你调用了int()来生成初始值0，因此第一次见到"张三"时，agg["张三"]已经是0，再加10就变成10。它并没有比普通字典更快，只是少写了判断，让聚合逻辑更聚焦于“加”这件事本身。

需要注意，defaultdict返回的键顺序在Python 3.7之前不保证与插入一致，不过现在主流版本都保留插入顺序，输出列表的顺序一般和首次出现顺序相同，满足大多数报表要求。

四、处理数值为字符串或带单位的脏数据

真实场景里，嵌套列表中的数值有时不是纯数字，可能是"10元"、"3件"这样的字符串。直接累加会报类型错误。我们可以在循环里先做清洗，把数字部分抽出来转成float或int，再走前面的字典逻辑。

下面用简单正则提取数字，并做容错处理：

import re
from collections import defaultdict

data = [["张三", "10元"], ["李四", "5"], ["张三", "3.5元"], ["王五", "8件"]]

agg = defaultdict(float)
for name, raw in data:
    num_str = re.sub(r"[^0-9.]", "", raw)
    if num_str == "":
        continue
    agg[name] += float(num_str)

result = [[k, v] for k, v in agg.items()]
print(result)
# 输出: [['张三', 13.5], ['李四', 5.0], ['王五', 8.0]]

这种写法在聚合前先归一化，避免脏数据打断主流程。如果某些记录完全无法解析，也可以选择记日志或单独收集，而不是让整个脚本崩溃。

从工程角度看，把“清洗”和“聚合”分开写函数会更清晰：一个函数负责把原始行变成(name, number)，另一个只管累加。这样单测时分别验证，比揉在一起好维护。

五、性能与可读性权衡小结

面对“合并包含重复姓名的嵌套列表并累加数值”的需求，核心结论是：别用双层循环做线性搜索，改用哈希表。普通dict手动判断、defaultdict自动初值、先清洗再聚合，都是O(n)思路下的变体。它们在时间上远优于O(n²)写法，在空间上也只是多存了一份键值映射，内存开销可以忽略。

如果你的输入本来就是别的数据源（比如数据库游标、CSV读取器），甚至可以不转成嵌套列表，直接边读边合，进一步省掉中间结构。总之，认准“姓名作键、数值累加”这个模式，就能在绝大多数脚本里高效解决这类重复合并问题。

Pythonnested_listdata_aggregation修改时间：2026-08-03 02:12:34