Python 字典中重复的平均值

我正在用文本文件中的数据行制作字典。前三列数据构成键，第四列数据构成字典的值。其代码如下：

def formatter(lines):
    for line in lines:
        if not line.strip(): continue
        yield [to_float(item) for item in line.split()]

 dct1 = {}
 with open('test.txt') as f1:
     for row in formatter(f1):
        dct1[tuple(row[:3])] = row[3]

这个代码有效。问题在于，要从中提取数据的文件中存在密钥重复，例如，该文件可能有两行：

1  2  3  50
1  2  3  100

然而，最后一个字典dct1将只包含这些行中的第二行：dct1[（1,2,3）]=[100]。我正在尝试做的，但目前还不能做的是，每次程序试图覆盖一个键，而是平均给定键的值，也就是说，如果读入上述两行，键（1,2,3）的值将为75（平均值为50和100）

任何帮助都将不胜感激。

---

非常感谢

要计算多个键的平均值，您需要先收集所有值，然后再计算平均值

使用

collections.defaultdict

可以轻松收集值：

from collections import defaultdict

dct1 = defaultdict(list)

with open('test.txt') as f1:
    for row in formatter(f1):
       dct1[tuple(row[:3])].append(row[3])

dct1 = {k: sum(v)/len(v) for k, v in dct1.iteritems()}

---

首先，dct1是一个将键映射到值列表的字典。然后，dict理解将其替换为将键映射到平均值的字典。

要计算多个键的平均值，需要先收集所有值，然后计算平均值

使用

collections.defaultdict

可以轻松收集值：

from collections import defaultdict

dct1 = defaultdict(list)

with open('test.txt') as f1:
    for row in formatter(f1):
       dct1[tuple(row[:3])].append(row[3])

dct1 = {k: sum(v)/len(v) for k, v in dct1.iteritems()}

---

首先，dct1是一个将键映射到值列表的字典。然后，dict理解将其替换为一个字典，将键映射到平均值。

将前两个值平均后，找到第三个值会把你搞砸，因为你不知道dict中的值是单个值还是前两个值的平均值。您还需要在dict中保留计数：

for row in formatter(f1):
    key = tuple(row[:3])
    if key not in dct1:
        dct1[key] = (1, row[3])
    else:
        val = dct1[key]
        dct1[key] = (val[0] + 1, (val[0] * val[1] + row[:3]) / (val[0] + 1))

---

现在，dict中的每个元素都有一个计数和一个平均值。不要使用dct1[key]，你必须使用dct1[key][1]。

一旦你对前两个取平均值，找到第三个会把你搞砸，因为你不知道dict中的值是单个值还是前两个值的平均值。您还需要在dict中保留计数：

for row in formatter(f1):
    key = tuple(row[:3])
    if key not in dct1:
        dct1[key] = (1, row[3])
    else:
        val = dct1[key]
        dct1[key] = (val[0] + 1, (val[0] * val[1] + row[:3]) / (val[0] + 1))

---

---

现在，dict中的每个元素都有一个计数和一个平均值。您必须使用dct1[key][1]，而不是使用dct1[key][1]。

如果该键出现3次或更多次，该怎么办？还是平均水平吗？是的。数据集中有不同数量的重复，这会使解决方案复杂化。我发现这会使解决方案更简单，请参见下面的答案。如果密钥出现3次或更多次，该怎么办？还是平均水平吗？是的。数据集中的重复次数不一，这会使解决方案复杂化。我发现这会使解决方案更简单，请参见下面的答案。之后，您必须再次删除计数。最好在事后计算平均值，因为无论如何你都必须再次循环所有条目。只有当你需要最终的dict与他指定的完全一致时。无论是你的方式（元组的dict）还是我的方式，只要构建一个包含他想要的信息的dict，他就必须以不同的方式检索它。我的是一个简单的[1]，你的是通过计算平均值。我的更快，你的可能更不可能累积舍入误差。当然，公平的说，如果OP愿意容忍小的舍入误差和输出中的额外数据，这是一个公平的解决方案。然后你必须再次删除计数。最好在事后计算平均值，因为无论如何你都必须再次循环所有条目。只有当你需要最终的dict与他指定的完全一致时。无论是你的方式（元组的dict）还是我的方式，只要构建一个包含他想要的信息的dict，他就必须以不同的方式检索它。我的是一个简单的[1]，你的是通过计算平均值。我的更快，而你的可能更不容易累积舍入错误。当然，公平的说，如果OP愿意容忍小的舍入错误和输出中的额外数据，这是一个公平的解决方案。在这段代码的最后一行中，我一直得到：TypeError:“float”对象不是iterable@user1171835：那没有道理。你能在那一行之前插入一个

print dict1[dict1.keys（）[0]]

，告诉我你现在有什么类型的值吗？@user1171835:那么你没有运行我的代码，或者你正在应用列表行两次。你已经在下面的答案中发布了我现在拥有的完整代码。将在以后删除它，以便不以任何方式取得它的信用@user1171835:缺少

.append（第[3]行]

部分。您正在替换由

defaultdict

提供的

列表，而不是将
float
添加到列表中。在此代码的最后一行中，我一直得到：TypeError:“float”对象不是iterable@user1171835：那没有道理。你能在那一行之前插入一个
print dict1[dict1.keys（）[0]]
，告诉我你现在有什么类型的值吗？@user1171835:那么你没有运行我的代码，或者你正在应用列表行两次。你已经在下面的答案中发布了我现在拥有的完整代码。将在以后删除它，以便不以任何方式取得它的信用@user1171835:缺少
.append（第[3]行]
部分。您正在替换由
defaultdict
提供的
列表，而不是向其中添加
float
。