Python—在并行字典中查找值的平均值

所以我有一些.csv数据文件需要清理。其中一行数据的示例如下：

u[i] = {'age': '44', 'salary': '117681.0', 'suburb': None, 'language': 'English'}

我已经过滤掉了我不想要的数据，并返回了多行相关词典。例如：

{'age': '44', 'salary': '117681.0', 'suburb': None}
{'age': '34', 'salary': '56456.0', 'suburb': 'Frankston'}
{'age': '37', 'salary': '59370.0', 'suburb': 'Richmond'}
{'age': '44', 'salary': '91399.0', 'suburb': 'Collingwood'}
{'age': '36', 'salary': '74437.0', 'suburb': 'Toorak'}
{'age': '41', 'salary': '89121.0', 'suburb': 'Frankston'}

我现在想把这些字典里的工资加起来，算出平均工资，但我一辈子都想不出来

我尝试过只隔离工资值和使用计数器，但我似乎无法使其发挥作用。我也尝试过制作可以循环使用的列表，但似乎无法在一个列表中获得所有值。我的问题是，当我隔离这些值时，它们是平行的值/列表，我不知道如何使用它们

我真的很感激任何帮助，这让我发疯了！谢谢

以下是我到目前为止的代码，但在现阶段我没有任何值得一看的内容：

def average_salary(data, lower_age, upper_age): 
    u = dict(sorted(data_cleaned.items()))
    count = 0  

    for i in u:
        age = u[i]['age']
        sal = u[i]['salary']
        tally = 0

        if age is not None and sal is not None and lower_age < float(age) < upper_age:
            tally += float(u[i]['salary'])
            print(u[i]['salary'])

def平均工资（数据、较低年龄、较高年龄）：
u=dict（已排序（数据\u.items（））
计数=0
对于我在u：
年龄=u[i]['age']
sal=u[i][“工资”]
计数=0
如果年龄不是无且sal不是无且较低年龄<浮动（年龄）<较高年龄：
理货+=浮动（u[i][“工资]）
打印（u[i][“工资]）

在列表中收集工资

salaries = [float(my_dict['salary']) for my_dict in my_dicts]
average = sum(salaries) / len(salaries)

---

把薪水列在一张单子上

salaries = [float(my_dict['salary']) for my_dict in my_dicts]
average = sum(salaries) / len(salaries)

---

假设您已将其列为一个列表：

i = [{'age': '44', 'salary': '117681.0', 'suburb': None},
{'age': '34', 'salary': '56456.0', 'suburb': 'Frankston'},
{'age': '37', 'salary': '59370.0', 'suburb': 'Richmond'},
{'age': '44', 'salary': '91399.0', 'suburb': 'Collingwood'},
{'age': '36', 'salary': '74437.0', 'suburb': 'Toorak'},
{'age': '41', 'salary': '89121.0', 'suburb': 'Frankston'}]

age_avg = sum(int(item["age"]) for item in i) / len(i)
salary_avg = sum(float(item["salary"]) for item in i) / len(i)

print (age_avg, salary_avg)

结果:

39.333333333333336 81410.66666666667

---

假设您已将其列为一个列表：

i = [{'age': '44', 'salary': '117681.0', 'suburb': None},
{'age': '34', 'salary': '56456.0', 'suburb': 'Frankston'},
{'age': '37', 'salary': '59370.0', 'suburb': 'Richmond'},
{'age': '44', 'salary': '91399.0', 'suburb': 'Collingwood'},
{'age': '36', 'salary': '74437.0', 'suburb': 'Toorak'},
{'age': '41', 'salary': '89121.0', 'suburb': 'Frankston'}]

age_avg = sum(int(item["age"]) for item in i) / len(i)
salary_avg = sum(float(item["salary"]) for item in i) / len(i)

print (age_avg, salary_avg)

结果:

39.333333333333336 81410.66666666667

---

我还提出了如下解决方案：

#!/usr/bin/env ipython
import numpy as np

u=[];
u.append({'age': '44', 'salary': '117681.0', 'suburb': None})
u.append({'age': '34', 'salary': '56456.0', 'suburb': 'Frankston'})
u.append({'age': '37', 'salary': '59370.0', 'suburb': 'Richmond'})
u.append({'age': '44', 'salary': '91399.0', 'suburb': 'Collingwood'})
u.append({'age': '36', 'salary': '74437.0', 'suburb': 'Toorak'})
u.append({'age': '41', 'salary': '89121.0', 'suburb': 'Frankston'})
# ------------------------------------------------------------------
def avg_salary(data,lower_age,upper_age):
    salaries = [float(val['salary']) for val in u if float(val['age'])>lower_age and float(val['age'])<upper_age];
    return sum(salaries)/len(salaries)
# -------------------------------------------------------------------
print avg_salary(u,5,65)

#/usr/bin/env ipython
将numpy作为np导入
u=[]；
u、 追加（{'age'：'44'，'salary'：'117681.0'，'Suburban'：None}）
u、 追加（{'age'：'34'，'salary'：'56456.0'，'Suburban'：'Frankston'}）
u、 追加（{'age'：'37'，'salary'：'59370.0'，'suburban'：'Richmond'}）
u、 追加（{'age'：'44'，'salary'：'91399.0'，'Suburban'：'Collingwood'}）
u、 追加（{'age'：'36'，'salary'：'74437.0'，'Suburban'：'Toorak'}）
u、 追加（{'age'：'41'，'salary'：'89121.0'，'Suburban'：'Frankston'}）
# ------------------------------------------------------------------
def平均工资（数据、较低年龄、较高年龄）：
工资=[float（val['salary']）如果浮动（val['age']）>较低的年龄和浮动（val['age']），我还建议这样一个解决方案：

#!/usr/bin/env ipython
import numpy as np

u=[];
u.append({'age': '44', 'salary': '117681.0', 'suburb': None})
u.append({'age': '34', 'salary': '56456.0', 'suburb': 'Frankston'})
u.append({'age': '37', 'salary': '59370.0', 'suburb': 'Richmond'})
u.append({'age': '44', 'salary': '91399.0', 'suburb': 'Collingwood'})
u.append({'age': '36', 'salary': '74437.0', 'suburb': 'Toorak'})
u.append({'age': '41', 'salary': '89121.0', 'suburb': 'Frankston'})
# ------------------------------------------------------------------
def avg_salary(data,lower_age,upper_age):
    salaries = [float(val['salary']) for val in u if float(val['age'])>lower_age and float(val['age'])<upper_age];
    return sum(salaries)/len(salaries)
# -------------------------------------------------------------------
print avg_salary(u,5,65)

！/usr/bin/env ipython
将numpy作为np导入
u=[]；
u、 追加（{'age'：'44'，'salary'：'117681.0'，'Suburban'：None}）
u、 追加（{'age'：'34'，'salary'：'56456.0'，'Suburban'：'Frankston'}）
u、 追加（{'age'：'37'，'salary'：'59370.0'，'suburban'：'Richmond'}）
u、 追加（{'age'：'44'，'salary'：'91399.0'，'Suburban'：'Collingwood'}）
u、 追加（{'age'：'36'，'salary'：'74437.0'，'Suburban'：'Toorak'}）
u、 追加（{'age'：'41'，'salary'：'89121.0'，'Suburban'：'Frankston'}）
# ------------------------------------------------------------------
def平均工资（数据、较低年龄、较高年龄）：
palaries=[float（val['salary']）如果float（val['age']）大于lower_age和float（val['age']）假设您安装了pandas，则可以执行此操作或使用
pip安装pandas
进行安装，或使用anaconda进行安装

import pandas as pd
a=[{'age': '44', 'salary': '117681.0', 'suburb': None},
{'age': '34', 'salary': '56456.0', 'suburb': 'Frankston'},
{'age': '37', 'salary': '59370.0', 'suburb': 'Richmond'},
{'age': '44', 'salary': '91399.0', 'suburb': 'Collingwood'},
{'age': '36', 'salary': '74437.0', 'suburb': 'Toorak'},
{'age': '41', 'salary': '89121.0', 'suburb': 'Frankston'}]
df=pd.DataFrame(a)
df['salary']=pd.to_numeric(df['salary'],errors='coerce')
df['age']=pd.to_numeric(df['age'],errors='coerce')
print(df['salary'].mean())
print(df['age'].mean())

输出

81410.66666666667
39.333333333333336

假设已安装pandas，则可以执行此操作或使用
pip install pandas
安装或使用anaconda安装

import pandas as pd
a=[{'age': '44', 'salary': '117681.0', 'suburb': None},
{'age': '34', 'salary': '56456.0', 'suburb': 'Frankston'},
{'age': '37', 'salary': '59370.0', 'suburb': 'Richmond'},
{'age': '44', 'salary': '91399.0', 'suburb': 'Collingwood'},
{'age': '36', 'salary': '74437.0', 'suburb': 'Toorak'},
{'age': '41', 'salary': '89121.0', 'suburb': 'Frankston'}]
df=pd.DataFrame(a)
df['salary']=pd.to_numeric(df['salary'],errors='coerce')
df['age']=pd.to_numeric(df['age'],errors='coerce')
print(df['salary'].mean())
print(df['age'].mean())

输出

81410.66666666667
39.333333333333336

虽然@blue\u note solution可以很好地解决您的特定问题，但看起来您希望对来自
csv
的表格数据执行操作。因此，您可能需要寻找一个更专业的库来完成这些工作，如
pandas
或
numpy
。而@blue\u note solution可以很好地解决您的特定问题在上，您似乎希望对来自
csv
的表格数据执行操作。因此，您可能希望寻找一个更专业的库来执行此类操作，如
pandas
或
numpy
。抱歉，我有点困惑（对编码一无所知），我的代码的my_dict['salary']是否等同于u[I]['salary']？my_dicts到底代表什么？@user10276362:
my_dicts
是包含所有词典的列表的名称（如果我理解正确，可能是变量
u
），其余是列表理解（查找它，它对缩短代码非常有用）对不起，我有点困惑（不熟悉编码），我的代码的my_dict['salary']是否等同于u[i]['salary']？我的dict到底代表什么？@user10276362:
my_dicts
是包含所有词典的列表的名称（如果我理解正确，可能是变量
u
），其余是列表理解（查找它，这对于缩短代码非常有用）