J'essaye d'écrire du code pour trouver la moyenne des clés dans mon dict, mais basé sur les valeurs de dict. Ainsi, par exemple, pour:
d = {1:1_000_000_000_000_000, 2:2_000, 3:1_000_000_000_000_000}
les clés dict seraient:
def get_median_of_dict_keys(d: dict) -> float:
nums_list = []
for k,v in d.items():
if type(v) != int:
raise TypeError
nums_list.extend([k] * v)
median = sum(nums_list) / len(nums_list)
return median
J'ai écrit le code suivant, qui fonctionne pour les petits ensembles de données tels que ci-dessus:
[1,1,2,3,3]
Cela me donne les valeurs que je veux lorsque l'ensemble de données est petit, mais si l'ensemble de données est quelque chose comme:
d = {1:2, 2:1, 3:2}
J'obtiens une erreur de mémoire insuffisante qui, maintenant que j'y pense, a du sens.
Alors, comment puis-je structurer la fonction ci-dessus de manière à gérer également ces ensembles de données plus volumineux? Merci pour votre temps.
3 Réponses :
Vous n'avez pas besoin de créer une liste, gardez simplement deux variables en cours d'exécution, l'une contenant la somme totale et l'autre contenant le nombre d'éléments:
2.0
Production
def get_mean_of_dict_keys(d: dict) -> float:
total = 0
count = 0
for k, v in d.items():
total += k * v
count += v
mean = total / count
return mean
print(get_mean_of_dict_keys({1: 2, 2: 1, 3: 2}))
Dani, merci beaucoup! J'ai en fait commencé à y penser un peu après avoir posé la question. J'apprécie ton aide!
Si tu veux la moyenne
ceci est parfaitement réalisable avec des nombres plus grands:
[i*d[i] for i in d]
# is equivalent to:
lst = []
for i in d:
lst.append(i*d[i])
production
2666667333.3333335
panne
import numpy as np
d = {1:2000000000, 2:1000, 3:2000000000}
print(np.mean([i*d[i] for i in d]))
heureux de vous aider :)
Ce que vous voulez trouver est weighted average .
Où,
X 1..n sont des clés dans votre dictionnaire.W 1..n sont des valeurs dans votre dictionnaire.XÌ… est une moyenne pondérée. Utilisation de itertools.starmap avec operator.mul
np.average([*d.keys()], weights=[*d.values()]) # 2.0
NumPy Vous pouvez utiliser np.average ici.
from itertools import starmap
from operator import mul
d = {1:2, 2:1, 3:2}
sum(starmap(mul, d.items()))/sum(d.values())
# 2.0
Je pense que ton code calcule la moyenne
les clés de
d = {1:2, 2:1, 3:2}sont1,2,3non1,1,2,3,3Pouvez-vous expliquer comment
{1:2, 2:1, 3:2}devrait être[1,1,2,3,3]?Dani, désolé, c'est ce que je voulais dire.
Ironkey, je sais, mais je dois compter chaque clé individuellement, ou comme sa propre entrée.
ok donc vous voulez
nclés où la valeur de cette clé estn?Ann, je dois donc compter chaque clé individuellement. Donc, la clé "1" a une valeur de deux, donc je dois la compter deux fois. Si la clé était 5 et la valeur 14, je devrais la traiter comme s'il y avait quatorze 5. Presque comme un décompte de vote qui aurait pu être fait à l'école primaire, c'est-à-dire que 14 personnes ont voté pour 5.
Ironkey, exactement. Encore une fois, le code fonctionne avec de petits nombres, mais une fois qu'ils deviennent gros, je manque de mémoire.
Modifiez votre question pour trouver la moyenne, ou vous voulez réellement la médiane?
^ que voulez-vous, moyenne ou médiane?
Merci, les amis, j'ai édité le titre. J'apprécie vraiment votre aide!
medianbalise supprimée, car vous souhaitez rechercher lameanspécifiquementweighted-meandonc les deux ont été ajoutés