在任意数量的字典中计算最常见的值答案

【问题标题】：Counting most common value in Arbitrary number of dictionaries在任意数量的字典中计算最常见的值
【发布时间】：2018-11-16 04:34:05
【问题描述】：

我有数百个类似这样的字典。它们都具有相同的键（纽约、芝加哥等），但具有不同的值。没有缺失值。

[{'New York': 'cloudy', 'Chicago': 'snowy', 'Seattle': 'rainy'},
 {'New York': 'cloudy', 'Chicago': 'hailing', 'Seattle': 'sunny'},
 {'New York': 'sunny', 'Chicago': 'snowy', 'Seattle': 'rainy'}, 
 {'New York': 'hailing', 'Chicago': 'snowy', 'Seattle':'snowy'}]

我想计算每个键最常见的“天气”值。然后将它们全部组合成一个最终列表，该列表仅输出每个城市及其最常见的键值。

{'New York': 'cloudy', 'Chicago': 'snowy', 'Seattle': 'rainy'}

我怎样才能做到这一点？

【问题讨论】：

请向我们展示您的代码。

标签： python python-3.x

【解决方案1】：

您可以遍历列表以将每个城市与其所有相关的天气值分组，然后使用collections.Counter：

from collections import Counter
d = [{'New York': 'cloudy', 'Chicago': 'snowy', 'Seattle': 'rainy'}, {'New York': 'cloudy', 'Chicago': 'hailing', 'Seattle': 'sunny'}, {'New York': 'sunny', 'Chicago': 'snowy', 'Seattle': 'rainy'}, {'New York': 'hailing', 'Chicago': 'snowy', 'Seattle': 'snowy'}]
weather = {i:Counter([c[i] for c in d]).most_common(1)[0][0] for b in d for i in b}

输出：

{'New York': 'cloudy', 'Chicago': 'snowy', 'Seattle': 'rainy'}

编辑：假设d 中的所有字典都包含相同的键，只有后面的属性需要从列表中的第一个字典迭代：

weather = {i:Counter([c[i] for c in d]).most_common(1)[0][0] for i in d[0]}

【讨论】：

如果所有字典的键都相同，你真的每次都需要for b in d for i in b吗？你不能只有for i in d[0]吗？这将使它更快
@slider 好点。我最初使用for b in d for i in b 尽可能地健壮，但是，我还添加了您的建议作为编辑。后者当然效率更高。

【解决方案2】：

将您的字典列表转换为 pandas DataFrame，计算每个城市的值，找到最大值的索引：

import pandas as pd
typical = pd.DataFrame(your_list_of_dicts).apply(pd.value_counts).idxmax()
#Chicago      snowy
#New York    cloudy
#Seattle      rainy

如果需要，把它做成字典：

typical.to_dict()
#{'Chicago': 'snowy', 'New York': 'cloudy', 'Seattle': 'rainy'}

【讨论】：

【解决方案3】：

那为什么不是单行 dictionary comprehension 呢？比如：

print({k:max([i[k] for i in weather],key=[i[k] for i in weather].count) for k in list(weather[0].keys())})

现在你得到想要的输出：

{'New York': 'cloudy', 'Chicago': 'snowy', 'Seattle': 'rainy'}

【讨论】：