用Python迭代字典并按类别求和总数

这个问题与本帖相关：

作为后续工作，我尝试将所有股票的总数相加，并获得按部门划分的投资组合中股票的总百分比

我希望输出如下所示：

stockData = {
    'AAPL': {
        'beta': 1.01833975315094,
        'company_name': 'Apple',
        'dividend': 1.9341673320912078, 
        'total':300
        'sector': 'Technology}, 
    'GOOG': {
        'beta': 1.01833975315094,
        'company_name': 'Apple',
        'dividend': 1.9341673320912078, 
        'total':300
        'sector':Technology}
     }

for stock_data in stockData.values():
    stock_data['percentage'] = stock_data['total']/stock_sum

技术：24%，财务：14%，等等

我的字典是这样的：

stockData = {
    'AAPL': {
        'beta': 1.01833975315094,
        'company_name': 'Apple',
        'dividend': 1.9341673320912078, 
        'total':300
        'sector': 'Technology}, 
    'GOOG': {
        'beta': 1.01833975315094,
        'company_name': 'Apple',
        'dividend': 1.9341673320912078, 
        'total':300
        'sector':Technology}
     }

for stock_data in stockData.values():
    stock_data['percentage'] = stock_data['total']/stock_sum

我已经计算了每只股票在整个投资组合中的总百分比，如下所示：

stockData = {
    'AAPL': {
        'beta': 1.01833975315094,
        'company_name': 'Apple',
        'dividend': 1.9341673320912078, 
        'total':300
        'sector': 'Technology}, 
    'GOOG': {
        'beta': 1.01833975315094,
        'company_name': 'Apple',
        'dividend': 1.9341673320912078, 
        'total':300
        'sector':Technology}
     }

for stock_data in stockData.values():
    stock_data['percentage'] = stock_data['total']/stock_sum

我正试图按部门获得%的总数，但就是不起作用。。。。我试过这个

for stock_data in stockData.values():
    sector_totals = []
    for stock_data['sector'] in stock_data:
        sector_totals = (stock_data['sector'], stock_data['percentage'])

---

有什么建议吗？

你可以反复浏览你的

股票数据

创建一个

部门

字典，收集该部门的所有总计：

sectors = {}
for stock in stockData.values():
    sectors.setdefault(stock['sector'], []).append(stock['total'])
print(sectors)
# {'Technology': [300, 300]}

然后您可以在

stockData

上迭代添加

百分比

：

for stock in stockData.values():
    stock['percentage'] = stock['total']/sum(sectors[stock['sector']])

注意：在py2中，您必须将其中一个设置为

float

，例如

float（股票['total'））

或者，您可以为

扇区

字典创建一个运行总计，这样可以避免上面的

sum（）

：

sectors = {}
for stock in stockData.values():
    sectors[stock['sector']] = sectors.get(stock['sector'], 0) + stock['total']
print(sectors)
# {'Technology': 600}

---

您可以迭代您的

股票数据

创建一个

部门

字典，收集该部门的所有总计：

sectors = {}
for stock in stockData.values():
    sectors.setdefault(stock['sector'], []).append(stock['total'])
print(sectors)
# {'Technology': [300, 300]}

然后您可以在

stockData

上迭代添加

百分比

：

for stock in stockData.values():
    stock['percentage'] = stock['total']/sum(sectors[stock['sector']])

注意：在py2中，您必须将其中一个设置为

float

，例如

float（股票['total'））

或者，您可以为

扇区

字典创建一个运行总计，这样可以避免上面的

sum（）

：

sectors = {}
for stock in stockData.values():
    sectors[stock['sector']] = sectors.get(stock['sector'], 0) + stock['total']
print(sectors)
# {'Technology': 600}

---

有什么理由不使用熊猫吗？ 这会让你的生活更轻松

我添加了一个额外的（假的）库存，以使示例更加相关

stockData = {
    'AAPL': {
        'beta': 1.01833975315094,
        'company_name': 'Apple',
        'dividend': 1.9341673320912078, 
        'total':300,
        'sector': 'Technology'}, 
    'GOOG': {
        'beta': 1.01833975315094,
        'company_name': 'Apple',
        'dividend': 1.9341673320912078, 
        'total':300,
        'sector':'Technology'},
    'XXXX': {
        'beta': 1.01833975315094,
        'company_name': 'Apple',
        'dividend': 1.9341673320912078, 
        'total':300,
        'sector':'Food'}
     }

import pandas as pd

# Create pandas dataframe wi
stockData_df = pd.DataFrame(stockData).T
stockData_df['percentage'] = stockData_df['total']/stockData_df['total'].sum()


stockData_df
Out[82]: 
         beta company_name dividend      sector total percentage
AAPL  1.01834        Apple  1.93417  Technology   300   0.333333
GOOG  1.01834        Apple  1.93417  Technology   300   0.333333
XXXX  1.01834        Apple  1.93417        Food   300   0.333333



sector_totals = stockData_df.groupby('sector').sum()['total']/stockData_df['total'].sum()

sector_totals
Out[86]: 
sector
Food          0.333333
Technology    0.666667
Name: total, dtype: float64

---

有什么理由不使用熊猫吗？ 这会让你的生活更轻松

我添加了一个额外的（假的）库存，以使示例更加相关

stockData = {
    'AAPL': {
        'beta': 1.01833975315094,
        'company_name': 'Apple',
        'dividend': 1.9341673320912078, 
        'total':300,
        'sector': 'Technology'}, 
    'GOOG': {
        'beta': 1.01833975315094,
        'company_name': 'Apple',
        'dividend': 1.9341673320912078, 
        'total':300,
        'sector':'Technology'},
    'XXXX': {
        'beta': 1.01833975315094,
        'company_name': 'Apple',
        'dividend': 1.9341673320912078, 
        'total':300,
        'sector':'Food'}
     }

import pandas as pd

# Create pandas dataframe wi
stockData_df = pd.DataFrame(stockData).T
stockData_df['percentage'] = stockData_df['total']/stockData_df['total'].sum()


stockData_df
Out[82]: 
         beta company_name dividend      sector total percentage
AAPL  1.01834        Apple  1.93417  Technology   300   0.333333
GOOG  1.01834        Apple  1.93417  Technology   300   0.333333
XXXX  1.01834        Apple  1.93417        Food   300   0.333333



sector_totals = stockData_df.groupby('sector').sum()['total']/stockData_df['total'].sum()

sector_totals
Out[86]: 
sector
Food          0.333333
Technology    0.666667
Name: total, dtype: float64

---

顺便说一句：上面的字典无效，缺少引号和逗号。顺便说一句：上面的字典无效，缺少引号和逗号。这非常有用。我可以这样试试。我对Python真的是相当陌生，还没有探索过它……但现在我想我有一个很好的理由去探索它。非常感谢。这真的很有帮助。我可以这样试试。我对Python真的是相当陌生，还没有探索过它……但现在我想我有一个很好的理由去探索它。非常感谢。