在不使用 .values() 等的情况下查找字典中值的均值

问题描述

我有一本字典，看起来像：

G={'E': 18.0, 'D': 17.0, 'C': 19.0, 'B': 15.0, 'A': 0}

我必须使用简单的for循环找到值的平均值，例如 mean(18,17,19,15,0) for而不使用像.values() ， .items()等内置函数。 我尝试了以下操作，但出现错误：

d=[float(sum(values)) / len(values) for key, values in G]
    return (d)   
ValueError: need more than 1 value to unpack

有人可以帮我解决这个问题吗？？？？

要使用“简单的 for 循环”执行此操作，请使用您的约束而不是使用 dict 方法：

G = {'E': 18.0, 'D': 17.0, 'C': 19.0, 'B': 15.0, 'A': 0}


count = 0
_sum = 0
for key in G:
    count += 1
    _sum += G[key]

print('this is the mean: ', _sum/count)

如果你应该避免使用 dict 方法，显然这是一个学术练习。

没有这个限制：

标准库中的statistics模块有一个mean方法，这是我的第一个想法（因为标准库不需要第三方包。）：

>>> G={'E': 18.0, 'D': 17.0, 'C': 19.0, 'B': 15.0, 'A': 0}
>>> from statistics import mean
>>> mean(G[k] for k in G)
13.8

像 numpy 和 pandas 这样的第三方包有一个带有mean方法的对象：

>>> from numpy import array
>>> array([G[k] for k in G]).mean()
13.8

>>> from pandas import Series
>>> Series([G[k] for k in G]).mean()
13.8

如果我们允许自己使用values()方法，通过可迭代解包，这会变得更简单一些。 出于某种原因，其他答案违反了该条件，所以我想我应该展示更有效的方法：

>>> Series([*G.values()]).mean()
13.8

import numpy as np
np.mean(list(dict.values()))

对字典的迭代会对其键进行迭代。 尝试只for key in G使用for key in G ，然后适当地使用G[key]而不是values 。

或者，使用字典的iteritems()方法从 G 中获取key, value对，即：

d=[float(sum(values)) / len(values) for key, values in G.iteritems()]

（为了记录，您计算均值的实际方法在我看来并不正确，但您最好先解决迭代问题）。

在 Python 3.4 以上有一个非常明确的方法：

import statistics
numbers = [G[key] for key in G]
mean_ = statistics.mean(numbers)

使用G.values()从字典中获取所有值。

G = {'E': 18.0, 'D': 17.0, 'C': 19.0, 'B': 15.0, 'A': 0}
d = float(sum(G.values())) / len(G)
print (d)

这将打印13.8 。

请注意，此处 Python 2 和 Python 3 之间存在差异。 在 Python 2 中， G.values()是一个新构造的值列表。 在 Python 3 中，它是一个生成器，可以被认为是一个“惰性列表”。 同样的东西在 Python 2 中称为G.itervalues() 。

你要：

mean = sum([G[key] for key in G])/float(len(G))

您的原始代码还将产生：

TypeError: 'int' object is not iterable

当您尝试对值求和时。

我建议采用一种可重用且灵活的函数式编程范式，而不是当前的答案。 例如，创建一个函数来计算包含在简单dict list值的任何统计信息：

def summarize_dict(dictionary, function):
        dict_new = {}
    for k,v in dictionary.items():
        dict_new[k] = function(v)
    return dict_new

测试：

import numpy as np

keys = ["a","b","c","d","e"]
values = [range(2),range(4),range(6),range(8),range(10)]
dictionary = dict(zip(keys, values))

summarize_dict(dictionary, np.mean)

产量：

{'a': 0.5, 'b': 1.5, 'c': 2.5, 'd': 3.5, 'e': 4.5}

另一个 for 循环，这个循环不需要物品的计数器。

G = {'E': 18.0, 'D': 17.0, 'C': 19.0, 'B': 15.0, 'A': 0}

sum = 0
for k in G:
    sum += float(G[k])

print "Mean: " + str(sum/len(G))

结果：

Mean: 13.8
[Finished in 0.3s]

实际上，鉴于您的数据，没有必要使用float 。 最后，删除float并只留下sum += G[k]仍然输出相同，因为值无论如何都不是字符串。

假设您有一个包含多个键的字典，每个键都有一个值列表：

your_averaged_dictionary = {key: np.mean(values) for key, values in your_dictionary}