第2章“用于数据分析的Python”中的示例

Question

我将遵循Wes McKinney的“ Python for Data Analysis”中的示例。

在第2章中，我们要求计算每个时区出现在“ tz”位置的次数，其中某些条目没有“ tz”。

麦金尼（McKinney）的“ America / New_York”计数为1251（前10/3440行中为2，如下所示），而我的计数为1。试图弄清楚为什么它显示为“ 1”吗？

我使用的是Python 2.7，该代码已按照Enthought（epd-7.3-1-win-x86_64.msi）文本中的McKinney的说明进行安装。 数据来自https://github.com/Canuckish/pydata-book/tree/master/ch02 。 如果您无法从书名中得知我是Python的新手，请提供有关如何获取我未提供的任何信息的说明。

import json

path = 'usagov_bitly_data2012-03-16-1331923249.txt'

open(path).readline()

records = [json.loads(line) for line in open(path)]
records[0]
records[1]
print records[0]['tz']

此处的最后一行将显示“ America / New_York”，记录的类似物[1]显示“ America / Denver”

#count unique time zones rating movies
#NOTE: NOT every JSON entry has a tz, so first line won't work
time_zones = [rec['tz'] for rec in records]

time_zones = [rec['tz'] for rec in records if 'tz' in rec]
time_zones[:10]

这显示了前十个时区条目，其中8-10是空白...

#counting using a dict to store counts
def get_counts(sequence):
    counts = {}
        for x in sequence:
        if x in counts:
            counts[x] += 1
        else:
            counts[x] = 1
        return counts

counts = get_counts(time_zones)
counts['America/New_York']

= 1，但应为1251

len(time_zones)

这= 3440，应该

Answer 1

'America/New_York'时区在输入中出现1251次：

import json
from collections import Counter

with open(path) as file:
    c = Counter(json.loads(line).get('tz') for line in file)
print(c['America/New_York']) # -> 1251

目前尚不清楚为什么您的代码的计数为1 。 也许代码缩进是不正确的：

def get_counts(sequence):
    counts = {}
    for x in sequence:
        if x in counts:
            counts[x] += 1
    else: #XXX wrong indentation
        counts[x] = 1 # it is run after the loop if there is no `break` 
    return counts

请参阅为什么在for和while循环之后python为什么使用'else'？

正确的缩进应为：

def get_counts(sequence):
    counts = {}
    for x in sequence:
        if x in counts:
            counts[x] += 1
        else: 
            counts[x] = 1 # it is run every iteration if x not in counts
    return counts

检查您是否没有混合空格和制表符来缩进，请使用python -tt运行脚本以进行查找。