本文介绍一种基于字典嵌套列表的轻量级、可扩展数据结构，适用于运行时动态添加多种数据类型及其实例，支持按类型名快速归类、检索和迭代，避免深层嵌套带来的维护复杂性。
本文介绍一种基于字典嵌套列表的轻量级、可扩展数据结构，适用于运行时动态添加多种数据类型及其实例，支持按类型名快速归类、检索和迭代，避免深层嵌套带来的维护复杂性。
在 Python 中处理异构、动态增长的数据时，核心挑战在于：既要支持类型（dataType）的动态注册，又要保证同类实例的有序聚合与快速访问。此时，过度设计（如自定义类树、JSON Schema 或 ORM 模型）往往带来冗余开销；而纯嵌套字典则易导致键路径混乱、逻辑分散、难以维护。
推荐采用 dict[str, List[Dict]] 结构——即外层字典以类型标识（如 'name' 字段值）为键，内层列表统一存储该类型下的所有实例字典。这种设计兼顾简洁性、可读性与运行时灵活性：
data_structure = {}
def add_data_instance(new_data):
"""向数据结构中添加新实例。自动创建类型分组（若不存在），并追加实例。"""
type_name = new_data.get('name')
if not isinstance(type_name, str) or not type_name.strip():
raise ValueError("Instance must have a non-empty 'name' field for grouping.")
if type_name not in data_structure:
data_structure[type_name] = []
data_structure[type_name].append(new_data)
# 示例：动态添加不同类型的实例
add_data_instance({'name': 'sensor_temp', 'time': '2024-06-15T10:30:00', 'data': 23.7})
add_data_instance({'name': 'sensor_humid', 'time': '2024-06-15T10:30:00', 'data': 65.2})
add_data_instance({'name': 'sensor_temp', 'time': '2024-06-15T10:31:00', 'data': 24.1})
# 快速访问某类型全部实例
for inst in data_structure.get('sensor_temp', []):
print(f"[{inst['time']}] Temp: {inst['data']}°C")
# 输出：
# [2024-06-15T10:30:00] Temp: 23.7°C
# [2024-06-15T10:31:00] Temp: 24.1°C
✅ 优势总结：
- 零初始化成本：无需预定义类型，首次插入即自动建组；
- O(1) 类型查找 + O(1) 追加：字典哈希查找与列表尾部追加均为常数时间；
- 天然支持批量操作：data_structure['sensor_temp'] 直接返回该类型所有实例列表，便于 for 循环、map()、filter() 或 Pandas 转换；
- 结构透明：print(data_structure) 可直观查看全貌，调试友好。
⚠️ 注意事项：
- 确保 new_data 中用于分组的字段（如 'name'）语义明确、值稳定且唯一标识类型；建议在 add_data_instance 中增加字段校验（如上例所示）；
- 若需强类型约束或字段验证，可在 add_data_instance 内部集成 pydantic.BaseModel 实例化，将原始字典转为验证后的对象再存入；
- 对于超大规模数据（万级+实例），考虑改用 defaultdict(list) 替代普通字典，省略存在性判断：
from collections import defaultdict data_structure = defaultdict(list) def add_data_instance(new_data): data_structure[new_data['name']].append(new_data)
该模式并非万能——若需跨类型关联查询、复杂索引（如按时间范围检索所有类型）、或持久化需求，则应升级至 SQLite、TinyDB 或专用时序数据库。但在原型开发、配置驱动型采集系统或轻量级状态管理场景中，这一字典-列表组合是兼顾简洁性与工程效率的优选方案。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
