python - 将列表元素映射到字典中的键以获取 python 中的十进制值

Question

我有一个单词列表如下。

mylist = ['cat', 'yellow', 'car', 'red', 'green', 'jeep', 'rat','lorry']

我还有一个列表列表，用于数据集中的每篇文章，其中包含下面示例中给出的“mylist”的值(即，如果“mylist”一词出现在文章中，它会产生 0-1 之间的值) .

[[0,0.7,0,0,0,0.3,0,0.6], [0.2,0,0,0,0,0,0.8,0]]

换句话说，

[0,0.7,0,0,0,0.3,0,0.6] says that this only has values 'yellow', 'jeep', 'lorry'

现在我有一个类别字典如下。

mydictionary = {'colour': ['red', 'yellow', 'green'], 'animal': ['rat','cat'], 
'vehicle': ['car', 'jeep']}

现在，通过使用“mydictionary”键值，我想按如下方式转换列表列表(也就是说，如果“mylist”的一个或多个值为 1，我将键标记为平均值 分数的值)。

[[0.7, 0, 0.45], [0, 0.5, 0]]

换句话说，

[0.7, 0, 0.45] says that;
0.7 - average value for elements in 'colours' = 0.7/1 = 0.7
0 - no elements in 'animals'
0.45 - average value for elements in 'vehicles' = (0.3+0.6)/2 = 0.45

所以我的输出应该是上面提到的列表列表 -> [[0.7, 0, 0.45], [0, 0.5, 0]]

我很想知道这是否可以使用 pandas 数据帧来实现。

Answer 1

你真的应该重新考虑你的数据结构。您将面临的一个问题是 dict 本质上是无序的。因此，首先，通过将值放入有序容器(list 可以正常工作)来执行顺序:

>>> vals = [mydictionary['colour'], mydictionary['animal'], mydictionary['vehicle']]

现在是论文:

>>> essays = [[0,0.7,0,0,0,0.3,0,0.6], [0.2,0,0,0,0,0,0.8,0]]

然后，一个简单的循环，构建从 mylist 到每篇文章权重的映射，并为 mean 函数使用 statistics 包:

>>> import statistics as stats
>>> result = []
>>> for essay in essays:
...     map = dict(zip(mylist, essay))
...     result.append([stats.mean(map[e] for e in v) for v in vals])
...
>>> result
[[0.2333333333333333, 0, 0.15], [0, 0.5, 0]]

老实说，不确定 pandas 是否是最好的工具，但我想你可以像这样使用 DataFrame:

>>> df = pd.DataFrame({'essay{}'.format(i):essay for i, essay in enumerate(essays)}, index=mylist)
>>> df
        essay0  essay1
cat        0.0     0.2
yellow     0.7     0.0
car        0.0     0.0
red        0.0     0.0
green      0.0     0.0
jeep       0.3     0.0
rat        0.0     0.8
lorry      0.6     0.0

然后，制作石斑鱼映射:

>>> grouper  = {v: k for k, vv in mydictionary.items() for v in vv}

然后使用pd.DataFrame.groupby:

>>> df.groupby(grouper).mean()
           essay0  essay1
animal   0.000000     0.5
colour   0.233333     0.0
vehicle  0.150000     0.0

编辑

评论之后，修复非常简单，您只需将权重具体化到一个列表中，像这样过滤 0:[map[e] for e in v if map[e]] ，然后取该列表的 mean。但是，您必须注意该列表不为空。只需定义一个检查或返回默认值 0 的辅助函数:

>>> def mean_default(seq):
...     if seq:
...         return stats.mean(seq)
...     else:
...         return 0
...

然后简单地:

>>> result = []
>>> for essay in essays:
...     map = dict(zip(mylist, essay))
...     result.append([mean_default([map[e] for e in v if map[e]]) for  in vals])

对于 pandas，如@IanS 所示，只需将 0 替换为 np.nan。