[英]How to build a efficient function to calculate a specific element's percentage in a multiple deep nested dictionary?
[英]how to calculate percentage with nested dictionary
我不知道如何使用嵌套字典計算百分比。 我有一個由dictionay
old_dict = {'X': {'a': 0.69, 'b': 0.31}, 'Y': {'a': 0.96, 'c': 0.04}}
定義的字典,我知道X
和Y
的百分比在表中:
input= {"name":['X','Y'],"percentage":[0.9,0.1]}
table = pd.DataFrame(input)
OUTPUT:
name percentage
0 X 0.9
1 Y 0.1
但我希望用X和Y的百分比分別乘以a,b,c。 即X*a = 0.9*0.69
, X*b = 0.9*0.31
, Y*a = 0.1*0.96
, Y*c = 0.1*0.04
... 這樣我就可以找到 a, b 的混合百分比,和 c,最后得到一個新字典new_dict = {'a': 0.717, 'b': 0.279,'c': 0.004}
。
我正在努力解決如何突破嵌套字典以及如何將 X 和 Y 與表中的相應值聯系起來。 誰能幫我? 謝謝!
您可以將 DataFrame 用於第一個字典,將 Series 用於第二個字典並執行對齊乘法,然后sum
:
old_dict = {'X': {'a': 0.69, 'b': 0.31}, 'Y': {'a': 0.96, 'c': 0.04}}
df = pd.DataFrame(old_dict)
inpt = {"name":['X','Y'],"percentage":[0.9,0.1]}
table = pd.DataFrame(inpt)
# convert table to series:
ser = table.set_index('name')['percentage']
# alternative build directly a Series:
# ser = pd.Series(dict(zip(*inpt.values())))
# compute expected values:
out = (df*ser).sum(axis=1).to_dict()
output: {'a': 0.717, 'b': 0.279, 'c': 0.004}
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.