如何创建一个函数（迭代/递归）来运行Python中的元组字典？

我有一个类似于以下列表的Python字典：

d = {'A': [(4, 4, 3), [1, 2, 3, 4, 5]],
     'B': [(2, 1, 2), [5, 4, 3, 2, 1]],
     'C': [(4, 1, 1), [2, 4, 1, 2, 4]]}

我需要创建一个访问字典元素的公式，对于每个值

[t，l]

：

• 计算

  t

  的平均值（我们称之为

  m

  ）
• 从

  l

  中随机抽取长度为

  len（t）

  的替换样本

  s

• 如果

  m

  大于

  s

  的平均值，则将

  m

  与

  s

  的平均值进行比较，否则为

  False

• 重复此过程10000次
• 返回

  m

  大于

  s

  平均值的时间百分比

输出应该如下所示：

In [16]: test(d)   
Out[16]: {'A': 0.5, 'B': 0.9, 'C': 0.4}

我想我离答案不远了，这就是我尝试过的：

def test(dict):
    def mean_diff(dict):
        for k, (v0, v1) in dict.iteritems():
            m = np.mean(v0) > (np.mean(npr.choice(v1, size=(1, len(v0)), replace=True)))
            return ({k: m})
    for k, (v0, v1) in dict.iteritems():
        bootstrap = np.array([means_diff(dict) for _ in range(10000)])
        rank = float(np.sum(bootstrap))/10000
        return ({k: rank})

然而，我得到：

RuntimeError: maximum recursion depth exceeded while calling a Python object

---

我将使用一个列表理解，本质上选择一个随机值，并将其与平均值进行比较。这将生成一个正确/错误列表。如果你取它的平均值，它将平均一个1和0的列表，所以它将给出聚合概率

import numpy as np

d = {'A': [(4, 4, 3), [1, 2, 3, 4, 5]],
     'B': [(2, 1, 2), [5, 4, 3, 2, 1]],
     'C': [(4, 1, 1), [2, 4, 1, 2, 4]]}

def makeRanks(d):
    rankDict = {}
    for key in d:
        tup = d[key][0]
        mean = np.mean(tup)
        l = d[key][1]
        rank = np.mean([mean > np.mean(np.random.choice(l,len(tup))) for _ in range(10000)])
        rankDict[key] = rank
    return rankDict

测试

>>> makeRanks(d)
{'C': 0.15529999999999999, 'A': 0.72130000000000005, 'B': 0.031899999999999998}

---

请注意，您应该与

len（tup）

-length

sample

的平均值进行比较：“此随机样本的长度与tuple的第一个值的长度相同。”如果我理解了原始问题，我认为我编写它的方式是正确的。这个问题的确定性答案将产生

{'A'：0.6，'B'：0.2，'C'：0.2}

，这与上述代码产生的概率答案相对接近。@如果样本是替换的，那么您有可能选择（1，1，1）Gotcha！好了，我现在明白问题了，我相应地编辑了代码。