Python 多键字典的平均值

我想在一本字典中找到一件物品的平均价格，它有成对的物品，商店是关键，价格是价值

示例词典

{('item1', 'shop1'): 40,
('item2', 'shop2'): 14,
('item1', 'shop3'): 55,

例如，我想找出项目1的平均价格。是否可以使用多键词典，或者我应该更改它？有什么想法吗

---

谢谢，这是可能的。不确定这是否是解决问题的正确数据结构，但您可以这样做

首先，选择所需项目的所有键，这里我选择

'item1'

：

interesting_keys = filter(lambda k: k[0] == 'item1', a.keys())

现在您可以将所有这些元素相加，然后除以元素数

result = sum([a[k] for k in interesting_keys])/len(interesting_keys)

如果要创建一个新字典，将其缩减为每个键一个元素，后跟平均值，可以执行如下操作：

def group_prices(prices):
    grouped_prices = {}
    number_items = {}
    for k, v in prices.iteritems():
        grouped_prices[k[0]] = grouped_prices.get(k[0], 0) + v
        number_items[k[0]] = number_items.get(k[0], 0) + 1
    return {k:v/number_items[k] for (k,v) in grouped_prices.iteritems()}

---

您可以使用嵌套列表创建数据帧。然后，您可以使用Pandas

groupby

获取您要查找的

平均值

    import pandas as pd
    df = pd.DataFrame([['item1', 'shop1', 40],
    ['item2', 'shop2', 14],
    ['item1', 'shop3', 55]], columns=('item', 'shop', 'price'))
    df
        item    shop    price
    0   item1   shop1   40
    1   item2   shop2   14
    2   item1   shop3   55
    result_mean = df.groupby('item')['price'].mean()
    result_mean
    item
    item1    47.5
    item2    14.0
    Name: price, dtype: float64

因为这是熊猫的标签。。。如果将此设置为熊猫系列，则可以按第0级分组：

In [11]: d = {('item1', 'shop1'): 40, ('item2', 'shop2'): 14,('item1', 'shop3'): 55}

In [12]: s = pd.Series(d)

In [13]: s
Out[13]:
item1  shop1    40
       shop3    55
item2  shop2    14
dtype: int64

In [14]: s.groupby(level=0).mean()
Out[14]:
item1    47.5
item2    14.0
dtype: float64

我将使用pandas DataFrame解决此问题：

# create a test dict like the question
my_dict = dict(zip([
    ('item'+str(i), 'shop'+str(k)) for i in range(5) for k in range(3)],
    [random.randint(1,10) for j in range(15)
    ]))

# create a DataFrame wih MultiIndex
ndx=pd.MultiIndex.from_tuples(list(my_dict.keys()), names=['item','shop'])
df = pd.DataFrame(list(my_dict.values()), index=ndx, columns=['price'])
print('\n', df)

# reset index and use groupby to get means
df.reset_index(inplace=True)
item_mean = df.groupby('item').mean()
print('\n',item_mean)

              price
item  shop        
item3 shop0      5
      shop2      3
item1 shop0      4
item3 shop1      7
item4 shop0      7
item0 shop0     10
item2 shop1      3
      shop0      2
item1 shop1     10
item4 shop2      5
      shop1      3
item1 shop2      2
item0 shop1      1
      shop2      8
item2 shop2      7

           price
item           
item0  6.333333
item1  5.333333
item2  4.000000
item3  5.000000
item4  5.000000

你想在所有商店里找到一件商品的平均价格吗？我想知道所有商品的平均价格。为什么贴上熊猫标签？因为我在使用pandas，如果我想在所有商品上都贴上熊猫标签？你是什么意思？比如，如果你想把每一个可能的项目的信息结合起来？是的，不仅针对item1，而且针对每个item，创建一个新的数据结构，每个item的平均值我添加了一个函数，可能会对您有所帮助我已经尝试了使用series和dataframes，但我认为，由于我想使用平均值数据结构从我的原始字典中减去，如果它也是一个字典就更好了。但是我可能错了……我还在学习：）我怎么才能把它和字典进行比较呢？如果你有200万行的字典，我们熊猫读的是_csv之类的东西，字典groupby将是O（N），一旦你构建了groupby pandas groupby/mean将更像O（1）.我试过了，但是当我想从原始值（一个数据帧和另一个数据帧）中减去平均值时，每次都会得到一个死内核。这就是我放弃使用DataFrames的原因请问一个关于这个特定错误（死掉的内核错误）的问题。2米不是很多，熊猫应该很容易处理。这个问题本身就有问题。谢谢你的回答。我已经用dataframe试过了，但是我想用它来做一些计算，它非常慢。我最初的数据结构是一个字典，我认为使用dictionary@mnmbs您的问题中有
pandas
标记，因此，我提供了pandas的答案。顺便说一句：
pandas
并不慢。是的，但我也说我在问字典。但是没关系。再次感谢，请相信我，如果你有200万行的文件，它可能会很慢