python - 计算 python collections.Counter 中值的平均值

Question

我正在分析一些非常紧密地聚集在一起的数字时间测量值。我想获得均值、标准差等。有些输入很大，所以我想我可以避免创建数百万个数字的列表，而是使用 Python collections.Counter 对象作为紧凑的表示。

示例:我的一个小输入产生一个 collection.Counter，如 [(48, 4082), (49, 1146)]，这意味着该值出现了 4,082 次值 49 出现了 48 次和 1,146 次。对于这个数据集，我手动计算平均值类似于 48.2192042846。

当然，如果我有一个包含 4,082 + 1,146 = 5,228 个整数的简单列表，我会直接将它提供给 numpy.mean()。

我的问题:如何根据 collections.Counter 对象中的值计算描述性统计数据，就像我有一个数字列表一样？我必须创建完整列表还是有快捷方式？

Answer 1

collections.Counter() 是 dict 的子类。只需使用 Counter().values() 获取计数列表，您就可以使用标准库 staticstics.mean() function

import statistics

counts = Counter(some_iterable_to_be_counted)
mean = statistics.mean(counts.values())

请注意，我没有在这里调用Counter.most_common()，它会生成(key, count)元组列表发布在您的问题中。

如果您必须使用 Counter.most_common() 的输出，您可以使用生成器表达式过滤掉计数:

mean = statistics.mean(count for key, count in most_common_list)

如果您打算计算按计数加权的平均键值，您可以直接根据计数器值进行自己的计算:

mean = sum(key * count for key, count in counter.items()) / counter.total())

注意:我使用了Counter.total()在那里，这是 Python 3.10 中的新功能。在旧版本中。使用 sum(counter.values())。

对于中位数，使用 statistics.median() :

import statistics

counts = Counter(some_iterable_to_be_counted)
median = statistics.median(counts.values())

或者，对于 key * value:

median = statistics.median(key * count for key, count in counts.items())