根据键/值条件过滤 Python 字典列表

Question

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'，'诊断'：'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'，'concave points_se'：'0.01587'，'symmetry_se'：'0.03003'，'fractal_dimension_se'：'0.006193'，'radius_worst'：'25.38'，'texture_worst'：'17.33'，'tperimeter '：'184.6'，'area_worst'：'2019'，'smoothness_worst'：'0.1622'，'compactness_worst'：'0.6656'，'concavity_worst'：'0.7119'，'concave points_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'，'perimeter_mean' ：'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. '，'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 _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'，'concavity_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'，'凹点_worst'：'0.2575'，'symmetry_worst'：'0.6638'，'fractal_dimension_worst'}：' ，{'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'，'凹点_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'、'concavity_worst'：'0.1625'、'symmetry_worst'：' 0.2364'，'fractal_dimension_worst'：'0.07678'}]

Answer 1

您可以使用

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

Answer 2

一种过滤方法是通过理解：

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

Answer 3

inline if在for loop中，您可以使用简单的内联过滤列表

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

Answer 4

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)