![](/img/trans.png)
[英]In python, how do I find the sum of values in a dictionary? Where each key has multiple values
[英]How do I find the minimum/maximum value for each key in a dictionary? And how do I find the number of values for each key?
首先,我导入以下文本文件:
['butterfly' '2' '2' '3']
['butterfly' '3' '3' '3']
['dragonfly' '4' '1' '1']
['dragonfly' '5' '2' '1']
['dragonfly' '6' '3' '1']
['cat' '4' '4' '2']
['cat' '5' '5' '2']
['cat' '6' '6' '2']
['cat' '7' '8' '3']
['elephant' '8' '9' '3']
['elephant' '9' '10' '4']
['elephant' '10' '10' '4']
['camel' '10' '11' '5']
['camel' '11' '6' '5']
['camel' '12' '5' '6']
['camel' '12' '3' '6']
['bear' '13' '13' '7']
['bear' '5' '15' '7']
['bear' '4' '10' '5']
['bear' '6' '9' '2']
['bear' '15' '13' '1']
['dog' '1' '3' '9']
['dog' '2' '12' '8']
['dog' '3' '10' '1']
['dog' '4' '8' '1']]
第一列是动物,第二列是它在字段中的 x 位置,第三列是它的 y 位置,第四列是它的 z 位置。 我想找到最小/最大 Z 值以及每种动物的数量,并将所有这些信息保存在新字典中。 到目前为止,我已经尝试过:
df = pd.read_csv('ALL_ANIMALS.txt',
delim_whitespace=True,
names={'animal':str,'x':int,'y':int,'z':int}) #load in file
Animal_Data = {}
Animal_Data['Max_Depths'] = {k : max(df['z']) for k in df['animal']} #find max value (depth) for each key (animal)
Animal_Data['Min_Depths'] = {k : min(df['z']) for k in df['animal']} #find min value (depth) for each key (animal)
Animal_Data['number_of_each_animal'] = {k : len(df['z']) for k in df['animal']} #find number of each animal
print(Animal_Data)
但是,我为每只动物获得的最小/最大值是整个字典的总最小值/最大值,而动物的数量是字典中动物的总数。 像这样:
{'Max_Depths': {'cat': 9, 'elephant': 9, 'camel': 9, 'bear': 9, 'dog': 9}, 'Min_Depths': {'cat': 1, 'elephant': 1, 'camel': 1, 'bear': 1, 'dog': 1}, 'number_of_each_animal': {'cat': 20, 'elephant': 20, 'camel': 20, 'bear': 20, 'dog': 20}}
知道如何修复我的代码以从我的文本文件中为我提供每只动物的最小/最大和数量吗? 谢谢!!
df['z']
返回所有z
值的值,而不仅仅是在animal == 'k'
的行中。 您需要过滤 dataframe。
Animal_Data['Max_Depths'] = {k: max(df.loc[df.animal == k, 'z']) for k in df['animal'].unique()}
尽管您要字典,但我会提供一个利用 Pandas DataFrame 的建议(因为您已经有一个 DataFrame)。 您可以使用 Pandas groupby和 Groupby 最小和最大函数以矢量化方式完成此操作。
这是一个例子:
>>> df
animal x y z
0 butterfly 2 2 3
1 butterfly 3 3 3
2 dragonfly 4 1 1
3 dragonfly 5 2 1
4 dragonfly 6 3 1
5 cat 4 4 2
6 cat 5 5 2
7 cat 6 6 2
8 cat 7 8 3
9 elephant 8 9 3
10 elephant 9 10 4
11 elephant 10 10 4
12 camel 10 11 5
13 camel 11 6 5
14 camel 12 5 6
15 camel 12 3 6
16 bear 13 13 7
17 bear 5 15 7
18 bear 4 10 5
19 bear 6 9 2
20 bear 15 13 1
21 dog 1 3 9
22 dog 2 12 8
23 dog 3 10 1
24 dog 4 8 1
>>> min_series = df.groupby('animal').z.min()
>>> min_series.rename('Min_Depths', inplace=True)
animal
bear 1
butterfly 3
camel 5
cat 2
dog 1
dragonfly 1
elephant 3
Name: Min_Depths, dtype: int64
>>> max_series = df.groupby('animal').z.max()
>>> max_series.rename('Max_Depths', inplace=True)
animal
bear 7
butterfly 3
camel 6
cat 3
dog 9
dragonfly 1
elephant 4
Name: Max_Depths, dtype: int64
>>> pd.concat([min_series, max_series], axis=1)
Min_Depths Max_Depths
animal
bear 1 7
butterfly 3 3
camel 5 6
cat 2 3
dog 1 9
dragonfly 1 1
elephant 3 4
>>> animal_data_df = pd.concat([min_series, max_series], axis=1)
>>> animal_data_df.to_dict()
{'Min_Depths': {'bear': 1, 'butterfly': 3, 'camel': 5, 'cat': 2, 'dog': 1, 'dragonfly': 1, 'elephant': 3}, 'Max_Depths': {'bear': 7, 'butterfly': 3, 'came
l': 6, 'cat': 3, 'dog': 9, 'dragonfly': 1, 'elephant': 4}}
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.