Списки словарей в Python: что нужно знать до начала

Что вы получите и сколько это займёт

К концу этой статьи вы будете уверенно доставать данные из структуры вида [{"name": "Аня", "age": 30}, {"name": "Борис", "age": 25}]: фильтровать по условию, сортировать по полю, группировать и превращать в другую форму. Это самая частая структура, которую отдают JSON-ответы API, библиотека csv.DictReader и базы данных через драйверы. На всё уйдёт минут двадцать, если запускать примеры по ходу.

Примеры проверены на CPython 3.12, но всё, что здесь есть, работает начиная с Python 3.7 — с этой версии обычные словари гарантированно сохраняют порядок вставки ключей.

Что нужно до начала

Вам понадобится установленный Python 3.7 или новее и интерпретатор под рукой — терминал с командой python или python3, либо любой редактор, который умеет запускать файл. Никаких сторонних пакетов для базовой работы не нужно: list и dict встроены. Модули json, csv и operator тоже входят в стандартную библиотеку.

Проверьте версию:

python --version
# Должно вывести что-то вроде: Python 3.12.3

Если версия ниже 3.7, часть примеров про порядок ключей будет вести себя иначе — обновитесь до актуальной ветки.

Откуда берутся списки словарей

Чаще всего вы не создаёте такую структуру руками, а получаете готовой. Три типичных источника:

• JSON-ответ API. Метод json.loads(text) превращает JSON-массив объектов ровно в список словарей.
• CSV-файл. Класс csv.DictReader отдаёт каждую строку файла как словарь, где ключи — заголовки колонок.
• База данных. Многие драйверы (например, psycopg с курсором-словарём или sqlite3 с настроенным row_factory) возвращают строки словарями.

Разберём один живой пример — чтение CSV:

import csv

# Файл people.csv с колонками name,age,city
with open("people.csv", encoding="utf-8", newline="") as f:
    reader = csv.DictReader(f)
    people = list(reader)

# people теперь список словарей:
# [{"name": "Аня", "age": "30", "city": "Москва"}, ...]
print(people[0]["name"])
# Ожидаем в консоли: Аня

Здесь важна ловушка, на которую натыкаются все новички: DictReader отдаёт значения строками. Поле age будет "30", а не 30. Сравнивать и сортировать по нему как по числу без явного int() не выйдет — вернётесь к этому в разделе про сортировку.

Основные операции

Достать одно поле из каждого элемента

Спискового включения (list comprehension) достаточно для 90% случаев. Оно короче и быстрее ручного цикла с append:

names = [person["name"] for person in people]
# ['Аня', 'Борис', ...]

Если ключа может не быть в части словарей, person["name"] выбросит KeyError. Используйте person.get("name") — он вернёт None вместо падения, либо значение по умолчанию вторым аргументом: person.get("name", "без имени").

Отфильтровать по условию

Условие пишется прямо в включении после if:

adults = [p for p in people if int(p["age"]) >= 18]

Обратите внимание на int(p["age"]) — если данные пришли из CSV строками, без преобразования сравнение "5" >= 18 упадёт с TypeError.

Отсортировать по полю

Функция sorted с параметром key. Ключом удобно давать operator.itemgetter — он читается лучше лямбды и работает чуть быстрее:

from operator import itemgetter

by_age = sorted(people, key=itemgetter("age"))

Но и тут строки из CSV подведут: "100" окажется «меньше» "9", потому что сравниваются символы, а не числа. Приводите тип в лямбде:

by_age = sorted(people, key=lambda p: int(p["age"]))

# Обратный порядок — параметром reverse
by_age_desc = sorted(people, key=lambda p: int(p["age"]), reverse=True)

sorted возвращает новый список и не трогает исходный. Метод people.sort(...) сортирует на месте и возвращает None — не присваивайте его результат переменной, это частая ошибка.

Сгруппировать по ключу

Здесь есть подводный камень. Функция itertools.groupby группирует только подряд идущие элементы, поэтому список сначала надо отсортировать по тому же ключу — иначе группы разорвутся. Для большинства задач надёжнее и понятнее collections.defaultdict:

from collections import defaultdict

by_city = defaultdict(list)
for person in people:
    by_city[person["city"]].append(person)

# by_city["Москва"] — список всех москвичей
for city, group in by_city.items():
    print(city, len(group))

Где это ломается

Три ошибки, которые вы почти наверняка встретите:

• Изменение списка во время итерации. Если удалять элементы из списка прямо в цикле for по нему, часть элементов проскочит без обработки. Соберите новый список включением с условием вместо удаления из старого.
• Общий вложенный объект. Приём [shared_dict] * 3 создаёт список из трёх ссылок на один и тот же словарь. Меняете один — меняются все три. Создавайте каждый словарь отдельно.
• Строки вместо чисел. Уже упомянутая ловушка DictReader и любых текстовых источников. Приводите тип на входе, а не в каждой операции.

Список словарей — это таблица без схемы: колонки у строк могут не совпадать, а типы никто не проверяет. Половина багов здесь — про поле, которое есть не у всех, или про число, которое на самом деле строка.

Быстрая шпаргалка операций

Если не получилось

• KeyError: 'name' — вы обратились к ключу, которого нет хотя бы в одном словаре. Замените p["name"] на p.get("name").
• TypeError: '>=' not supported between instances of 'str' and 'int' — сравниваете строку с числом. Оберните значение в int() или float().
• TypeError: '<' not supported between instances of 'dict' and 'dict' — вызвали sorted(data) без key. Словари напрямую не сравниваются, укажите поле: sorted(data, key=itemgetter("age")).
• Сортировка «съела» результат — присвоили итог data.sort() переменной и получили None. Либо не присваивайте, либо используйте sorted.

Что дальше

Когда базовые операции перестанут вызывать вопросы, посмотрите в сторону двух вещей. Первая — dataclasses из стандартной библиотеки: если структура словарей стабильна, класс с типизированными полями защитит от опечаток в ключах и лишних get. Вторая — библиотека pandas: когда списков словарей становятся десятки тысяч и нужны агрегации по нескольким полям сразу, pandas.DataFrame.from_records(data) избавит от ручных циклов. Порог перехода — не размер данных, а количество разных операций над одним и тем же набором: две-три группировки и сводки подряд — сигнал, что пора.