所以我有一個相當大的資料集，所以我需要撰寫一些高效的東西。我的資料包含一個串列中各個藝術家的專輯的發行年限以及另一個串列中每張專輯的平均歌曲長度。
作為一個例子，這里是一些虛構的資料。歌曲長度在這里以分鐘為單位。
release_year=[2017,2017,2019,2020,2020,2021]
avg_songlength=[3,5,3,4,2,3]
我想獲得一個資料集，它洗掉了 release_year 串列中的重復項，并且對于每個重復項，它再次平均歌曲長度。所以我想要得到的結果是：
years_without duplicates=[2017,2019,2020,2021]
avg_length_of_year=[3 5/2,3,4 2/2,3]
我發現 set() 可以有效地洗掉重復項，但我不知道如何將整個串列合并到另一個串列中，那么有什么簡單的方法可以做到這一點？
uj5u.com熱心網友回復：
這是在基本 python 中解決此問題的一種簡單方法。這里的想法是將我們在字典中看到的年份存盤起來，并跟蹤總歌曲運行時間以及對總數做出貢獻的歌曲數量。然后最后我們可以檢查字典中的鍵并將它們轉換為平均運行時間。使用字典還有助于使這些資料比兩個單獨的串列更結構化。
release_year=[2017,2017,2019,2020,2020,2021]
avg_songlength=[3,5,3,4,2,3]
year_averages = dict()
for year, length in zip(release_year, avg_songlength):
if year in year_averages:
year_averages[year][0] = length
year_averages[year][1] = 1
else:
year_averages[year] = [length, 1]
year_averages = {year: lst[0]/lst[1] for year, lst in year_averages.items()}
print(year_averages)
輸出：
{2017: 4.0, 2019: 3.0, 2020: 3.0, 2021: 3.0}
uj5u.com熱心網友回復：
一種選擇是使用itertools.groupby：
release_year=[2017,2017,2019,2020,2020,2021]
avg_songlength=[3,5,3,4,2,3]
from itertools import groupby
from statistics import mean
years_without_duplicates, avg_length_of_year = zip(*(
(k, mean(list(zip(*g))[1])) for k, g in
groupby(sorted(zip(release_year, avg_songlength)),
lambda x: x[0]))
)
years_without_duplicates, avg_length_of_year
# ((2017, 2019, 2020, 2021), (4, 3, 3, 3))
或使用collections.defaultdict：
from collections import defaultdict
out = defaultdict(lambda : [0, 0]) # sum / count
for year, sl in zip(release_year, avg_songlength):
out[year][0] = sl # add length
out[year][1] = 1 # increment counter of occurrences
d = {k: v[0]/v[1] for k,v in out.items()} # avg = sum / count
years_without_duplicates, avg_length_of_year = zip(*d.items())
uj5u.com熱心網友回復：
轉換為 Pandas 資料框并使用聚合函式作為 np.mean
import pandas as pd
import numpy as np
df = pd.DataFrame({"release_year":[2017,2017,2019,2020,2020,2021],"avg_song_length":[3,5,3,4,2,3]})
print(df)
print(df.groupby("release_year",as_index=False).agg(avg_length_of_year=("avg_song_length",np.mean)))
uj5u.com熱心網友回復：
這是一種簡單的方法，使用一個字典來存盤每年值的總和，另一個來計算添加了多少值。
avg_dict = {}
count_dict = {}
for i in range(0, len(release_year)):
if str(release_year[i]) in avg_dict:
avg_dict[str(release_year[i])] = avg_dict[str(release_year[i])] avg_songlength[i]
count_dict[str(release_year[i])] = count_dict[str(release_year[i])] 1
else:
avg_dict[str(release_year[i])] = avg_songlength[i]
count_dict[str(release_year[i])] = 1
for key in avg_dict:
avg_dict[key] = avg_dict[key] / count_dict[key]
print(avg_dict) # {'2017': 4.0, '2019': 3.0, '2020': 3.0, '2021': 3.0}
轉載請註明出處，本文鏈接：https://www.uj5u.com/qukuanlian/414112.html
標籤：