Skip to main content
 首页 » 编程设计

python之如何创建一个函数(迭代/递归)来运行 Python 中的元组字典

2024年10月25日11lovecherry

我有一个像这样的列表的 Python 字典:

d = {'A': [(4, 4, 3), [1, 2, 3, 4, 5]], 
     'B': [(2, 1, 2), [5, 4, 3, 2, 1]], 
     'C': [(4, 1, 1), [2, 4, 1, 2, 4]]} 

我需要创建一个公式来访问字典的元素,并且对于每个值 [t, l]:

  • 计算 t 的平均值(我们称之为 m);
  • 从l中随机抽样s,带替换且长度为len(t);
  • 将 m 与 s 的平均值进行比较 - 如果 m 大于 的平均值,则为 True >s,否则为False;
  • 重复此过程 10,000 次
  • 返回 m 大于 s 平均值的次数的百分比。

输出应该是这样的:

In [16]: test(d)    
Out[16]: {'A': 0.5, 'B': 0.9, 'C': 0.4} 

我想我离答案不远了,这是我试过的:

def test(dict): 
    def mean_diff(dict): 
        for k, (v0, v1) in dict.iteritems(): 
            m = np.mean(v0) > (np.mean(npr.choice(v1, size=(1, len(v0)), replace=True))) 
            return ({k: m}) 
    for k, (v0, v1) in dict.iteritems(): 
        bootstrap = np.array([means_diff(dict) for _ in range(10000)]) 
        rank = float(np.sum(bootstrap))/10000 
        return ({k: rank}) 

但是,我得到了:

RuntimeError: maximum recursion depth exceeded while calling a Python object 

请您参考如下方法:

我会使用列表推导式,它本质上是选择一个随机值并将其与平均值进行比较。这将产生一个 True/False 列表。如果您取其平均值,它将对 1 和 0 的列表进行平均,因此它将为您提供总概率。

import numpy as np 
 
d = {'A': [(4, 4, 3), [1, 2, 3, 4, 5]], 
     'B': [(2, 1, 2), [5, 4, 3, 2, 1]], 
     'C': [(4, 1, 1), [2, 4, 1, 2, 4]]} 
 
def makeRanks(d): 
    rankDict = {} 
    for key in d: 
        tup = d[key][0] 
        mean = np.mean(tup) 
        l = d[key][1] 
        rank = np.mean([mean > np.mean(np.random.choice(l,len(tup))) for _ in range(10000)]) 
        rankDict[key] = rank 
    return rankDict 

测试

>>> makeRanks(d) 
{'C': 0.15529999999999999, 'A': 0.72130000000000005, 'B': 0.031899999999999998}