Python 元组列表中的多数及其平均值

假设以下元组列表表示3种不同方法的情绪估计：

[('pos', 0.2), ('neu', 0.1), ('pos', 0.4)]

我想知道找到多数人情绪最有效的方法是什么，并以此计算其平均值，即：

result=('pos', 0.3)

谢谢

您可以首先根据情绪进行分组（注意，需要先对它们进行排序）

然后找出最常见的情绪（aka拥有最长的群体）

最后计算平均值

values = [i[1] for i in majority]
average = (majority[0][0], sum(values)/len(values))
# average = ('pos', 0.30000000000000004)

您可以首先根据情绪进行分组（注意，需要先对它们进行排序）

然后找出最常见的情绪（aka拥有最长的群体）

最后计算平均值

values = [i[1] for i in majority]
average = (majority[0][0], sum(values)/len(values))
# average = ('pos', 0.30000000000000004)

---

最好用字典。定义一个嵌套字典，其中“key”是情感名称，value是一个字典，其中包含：“numbers”（key），它是情感值（value）的列表，而“count”（key）是情感出现的次数（value）。例如：

sentiment['pos']['numbers'] = [0.2,0.4]
sentiment['pos']['count'] = 2
sentiment={'pos':{'numbers':[0.2,0.4],'count':2},'neu':{'numbers':`[0.1],'count:1'}}`

---

最好用字典。定义一个嵌套字典，其中“key”是情感名称，value是一个字典，其中包含：“numbers”（key），它是情感值（value）的列表，而“count”（key）是情感出现的次数（value）。例如：

sentiment['pos']['numbers'] = [0.2,0.4]
sentiment['pos']['count'] = 2
sentiment={'pos':{'numbers':[0.2,0.4],'count':2},'neu':{'numbers':`[0.1],'count:1'}}`

使用和模块，您可以执行以下操作：

from collections import Counter
from statistics import mean

lst = [('pos', 0.2), ('neu', 0.1), ('pos', 0.4)]
count = Counter(item[0] for item in lst)  # Counter({'pos': 2, 'neu': 1})
maj = count.most_common(1)[0][0]          # pos
mn = mean(item[1] for item in lst if item[0] == maj)
result = (maj, mn)

print(result)  # ('pos', 0.30000000000000004)

尽管您希望提高效率，但我更喜欢。

使用模块，您可以做到这一点：

from collections import Counter
from statistics import mean

lst = [('pos', 0.2), ('neu', 0.1), ('pos', 0.4)]
count = Counter(item[0] for item in lst)  # Counter({'pos': 2, 'neu': 1})
maj = count.most_common(1)[0][0]          # pos
mn = mean(item[1] for item in lst if item[0] == maj)
result = (maj, mn)

print(result)  # ('pos', 0.30000000000000004)

虽然考虑到你在追求效率，我还是更喜欢

这样就可以了

---

应该可以。

你能用NumPy或Pandas吗？你想用什么方式来提高效率？有效利用CPU时间、内存或开发人员时间？CPU时间。这些情绪来自每秒数千次的API调用。谢谢你使用NumPy或Pandas？你希望它以什么方式高效？有效利用CPU时间、内存或开发人员时间？CPU时间。这些情绪来自每秒数千次的API调用。感谢使用

l

，因为变量名是导致癌症的主要原因。谢谢你-我想知道，如果按照，但显然不是。使用

l

作为变量名是导致癌症的主要原因。谢谢你-我想知道这样的解决方案是否会对这种情况造成过度伤害，但显然不是。尝试将

'neu'

改为

'zeu'

。这打破了它。谢谢-这是非常全面的改变

'neu'

到

'zeu'

。这就打破了它。谢谢-这是非常全面的。它只从大多数中找到一个项目，而不计算其平均值。另外

sorted（my_tuple_list，key=lambda x:x[-1]，reverse=True）[1]

返回其他“pos”元素这只从多数中查找一个项目，不计算其平均值。另外

sorted（my\u tuple\u list，key=lambda x:x[-1]，reverse=True）[1]

返回另一个“pos”元素

from collections import Counter
from statistics import mean

lst = [('pos', 0.2), ('neu', 0.1), ('pos', 0.4)]
count = Counter(item[0] for item in lst)  # Counter({'pos': 2, 'neu': 1})
maj = count.most_common(1)[0][0]          # pos
mn = mean(item[1] for item in lst if item[0] == maj)
result = (maj, mn)

print(result)  # ('pos', 0.30000000000000004)

sorted_tuples = sorted(my_tuple_list, key = lambda x : x[-1] , reverse = True)

majority_sentiment=  sorted_tuples[0][0]
majority_sentiment_score = 0
num_items = 0

for sentiment_tup in sorted_tuples:
    if sentiment_tup[0] == majority_sentiment:
        majority_sentiment_score+= sentiment_tup[1]
        num_items +=1

avg_sentiment_score = majority_sentiment_score/num_items

result= (majority_sentiment,avg_sentiment_score)