Python数据处理实战：LeetCode“有趣的电影”题解与过滤排序技巧

刚看到有程序员分享带新人的困扰：简单任务不愿做，复杂任务不敢碰。这本质上是责任心与主动性缺失的表现。职场成长需要不断接受挑战，从处理具体问题开始。今天，我们就从一个看似简单的数据处理问题切入，看看如何用Python解决这类问题。

从业务场景到LeetCode题解：“有趣的电影”

假设你在负责一个电影推荐模块，需要从片库中筛选出符合以下条件的影片并排序：

1. 影片描述中不能含有“boring”字样。
2. 影片的ID号为奇数。
3. 结果按评分从高到低排列。

这正是LeetCode数据库题目“有趣的电影”的核心逻辑。我们将其转换为更通用的Python数据处理问题：如何对一组结构化的电影数据进行过滤与排序？

问题拆解与Python实现

通常，我们会得到类似下面的数据结构（示例数据）：

movies = [
    {"id": 1, "movie": "War", "description": "great 3D", "rating": 8.9},
    {"id": 2, "movie": "Science", "description": "boring", "rating": 8.5},
    # ... 更多数据
]

我们的目标非常明确：

1. 过滤：保留 id % 2 == 1 且 description 不为 "boring" 的电影。
2. 排序：将过滤后的结果按 rating 降序排列。

这并非复杂的算法竞赛题，而是一个典型的日常数据处理需求。解决思路清晰分为两步：

第一步：条件过滤 (Filter)
遍历原始列表，应用两个布尔条件进行筛选。这是典型的O(n)操作。

第二步：结果排序 (Sort)
对过滤后得到的子集，根据rating字段进行降序排序。使用Python内置的sorted函数，时间复杂度为O(k log k)，其中k是过滤后的数据量。

将上述思路转化为Python函数：

from typing import List, Dict, Any

def interesting_movies(movies: List[Dict[str, Any]]) -> List[Dict[str, Any]]:
    # 1. 过滤：ID为奇数且描述不为“boring”
    filtered = []
    for m in movies:
        if m.get("id", 0) % 2 == 1 and m.get("description") != "boring":
            filtered.append(m)

    # 2. 排序：按评分降序排列，缺失评分则按0处理
    result = sorted(filtered, key=lambda x: x.get("rating", 0), reverse=True)
    return result

if __name__ == "__main__":
    # 测试数据
    data = [
        {"id": 1, "movie": "War", "description": "great 3D", "rating": 8.9},
        {"id": 2, "movie": "Science fiction", "description": "boring", "rating": 8.5},
        {"id": 3, "movie": "Irish", "description": "boring", "rating": 6.2},
        {"id": 4, "movie": "Ice song", "description": "Fantacy", "rating": 8.6},
        {"id": 5, "movie": "House card", "description": "Interesting", "rating": 9.1},
    ]
    res = interesting_movies(data)
    for r in res:
        print(r)

运行上述代码，输出顺序将为ID 5（评分9.1）和ID 1（评分8.9）的电影，完全符合题目要求。

技术要点与思维延伸

这个简单的练习蕴含了两个值得总结的点：

1. 基础操作肌肉记忆：奇偶判断 (% 2)、字符串相等判断 (!=)，这些都是编程中最基础的操作，需要熟练掌握。
2. 混合数据处理模式：在实际开发中，我们经常遇到“从数据库取出数据后，在应用层进行二次处理”的场景。本题就是这种模式的缩影。这套逻辑能迁移到很多业务场景，例如从用户列表中筛选活跃用户、过滤无效订单并按金额排序等，核心模式依然是“过滤+排序”。

通过这个案例可以看出，许多实际问题都能分解为清晰的数据转换步骤。掌握如何使用Python高效地完成这些步骤，是开发者必备的能力。从理解一个小需求开始，到写出清晰、健壮的代码，正是职业成长的踏实一步。