如何为该数据集实现正确的输出？

Question

我在从数据集中获取正确输出时遇到问题。

我有一个包含股票代码名称、权重和分数的数据集，我想提取一个唯一的 TIK、权重、分数列表，其中分数 = 给定股票代码的 MAX(score)。

数据集的一个例子是

[(u'COOL ', 25, 452.50000000000006), (u'MIND', 25, 221), (u'SIMO', 25, 209), (u'RAVN', 25, 131.75), (u'AET', 25, 99), (u'SBUX', 25, 83.5), (u'ATVI', 25, 47.75), (u'CACI', 25, 45.5), (u'DISH ', 25, 17.25), (u'COOL ', 15, 271.5), (u'MIND', 15, 132.6), (u'SIMO', 15, 125.39999999999999), (u'RAVN', 15, 79.05), (u'AET', 15, 59.4), (u'SBUX', 15, 50.099999999999994), (u'ATVI', 15, 28.65), (u'CACI', 15, 27.3), (u'DISH ', 15, 10.35), (u'COOL ', 10, 181), (u'MIND', 10, 88.4), (u'SIMO', 10, 83.6), (u'RAVN', 10, 52.699999999999996), (u'AET', 10, 39.6), (u'SBUX', 10, 33.4), (u'ATVI', 10, 19.099999999999998), (u'CACI', 10, 18.2), (u'DISH ', 10, 6.8999999999999995), (u'COOL ', 5, 90.5), (u'MIND', 5, 44.2), (u'SIMO', 5, 41.8), (u'RAVN', 5, 26.349999999999998), (u'AET', 5, 19.8), (u'SBUX', 5, 16.7), (u'ATVI', 5, 9.549999999999999), (u'CACI', 5, 9.1), (u'DISH ', 5, 3.4499999999999997)]

.....对于数据集中的每个股票代码。

而我希望达到的结果是：

COOL 25 452.50
MIND 15 132.6
SIMO 10 83.6

例如。 AAPL 的权重为 25，TITN 的权重为 20，ANF 的权重为 15，其相关分数的权重为 15，直到 sum(weight) = 100。

对于给定的重量，每个代码只能报告一次。因此，如果 AAPL 在权重 25 处得分最高，则不能在任何其他权重处再次使用它。

这很难解释，希望我已经为你们提供了足够的指导。

***为了更清楚，附加了一些真实的样本数据

Answer 1

>>> from itertools import groupby
>>> 
>>> groups = groupby(table, lambda x: x[0])     # table not sorted because items already are
>>> [max(item[1], key=lambda x:x[2]) for item in groups]
[('AAPL', 25, 400), ('TITN', 25, 350), ('ANF', 25, 250)]
>>> 

或分两行（只是为了好玩，抱歉）：

>>> from itertools import groupby
>>> [max(item[1], key=lambda x:x[2]) for item in groupby(table, lambda x: x[0])]
[('AAPL', 25, 400), ('TITN', 25, 350), ('ANF', 25, 250)]

编辑：考虑到新表和 OP 给出的示例，我理解必须在每个步骤中优先考虑表中可用的有效最大值进行分析选择。然后使用：

table = [(u'COOL ', 25, 452.5), (u'MIND', 25, 221),
         (u'SIMO', 25, 209), (u'RAVN', 25, 131.75), (u'AET', 25, 99),
          .............................
         (u'CACI', 5, 9.1), (u'DISH ', 5, 3.45)]

while table:
    maxim = max(table, key= lambda x:x[2])
    print maxim
    table = [tup for tup in table if tup[1] != maxim[1] and tup[0] != maxim[0]]

打印出来：

(u'COOL ', 25, 452.5)
(u'MIND', 15, 132.59999999999999)
(u'SIMO', 10, 83.599999999999994)
(u'RAVN', 5, 26.350000000000001)

请注意，根据您连续选择项目所遵循的规则，结果会有所不同（请参阅下面的评论）。上面代码中选择的条件是给出更接近 OP 的结果的条件。我的答案中的附加术语可能对应于 OP 示例中的错误

Answer 2

好吧，不使用一些额外的库，这可以如下完成：

def get_element(lst, key):
  for obj in lst:
    if key(obj):
      return obj
  return None

def generate_list(data_set):
  result = []
  for obj in data_set:
    temp = get_element(result, lambda k: k[0] == obj[0])
    if temp is None:
      result.append(obj)
    elif obj[1] > temp[1]:
      ind = result.index(temp)
      result[ind] = obj      
  return result

这会产生与您的输入相同的列表格式。

Answer 3

许多有效的答案。我的回答侧重于开发人员的可读性：

from collections import namedtuple

Share = namedtuple('Share', 'name weight score')
d = {}
for share in [Share(*i) for i in table]:
    try:
        d[share.name] = share if share.score > d[share.name][2]\
                              else d[share.name]    
    except KeyError:
        d[share.name] = share

for share in d:
    print repr(d[share][:]).strip('()')

>>> 'AAPL', 25, 400
>>> 'TITN', 25, 350
>>> 'ANF', 25, 250

在您的表格中，权重似乎已经集成到分数中，因为每个权重点似乎代表 10 个分数点，并且权重和分数之间存在直接相关性。

Answer 4

大家好，感谢您的反馈！我从你的意见中意识到我需要在这个过程中退后一步。

与将每个权重分配给每个代码并尝试查询该数据集相反，我根据其总体得分为代码分配了唯一权重。

*这使用了一个已经按最高分排序的数据集。

x = (25, 20, 15, 10, 10, 10, 5, 5)
y = 0
for each in table:
    if y > 7:
        pass
    else:
        w = each[0], each[1], each[2], x[y]
        print w
        y += 1

感谢您的指导！为了您的麻烦，这些是一些优质的股票...

(u'COOL ', 2.98, 0.54, 25)
(u'MIND', 23.96, 2.12, 20)
(u'SIMO', 22.35, 1.87, 15)
(u'RAVN', 65.35, 3.45, 10)
(u'AET', 43.93, 1.74, 10)
(u'SBUX', 47.6, 1.59, 10)
(u'ATVI', 12.56, 0.24, 5)
(u'CACI', 56.96, 1.04, 5)