基于行输入的Python条件求和

Question

基于行输入的Python条件求和

pythonpython-3.xsumconditional-statements

4

我将尝试在Python中进行条件求和乘积。简化的想法如下：

A = [1 1 2 3 3 3]
B = [0.50 0.25 0.99 0.80 0.70 0.20]

我希望您能提供输出的内容。

Total1 = 0.50*1 + 0.25*1
Total2 = 0.99*2
Total3 = 0.80*3 + 0.70*3 + 0.20*3

我想使用FOR ... IF ...结构，指定对于A中的一个给定值，应该对所有对应的B值进行求和。

实际上这是一个巨大的数据集，所以我将必须使脚本能够循环遍历所有类别？

目前我正在努力将这个想法翻译成适当的Python脚本。有人可以指导我正确的方向吗？

- Sibren De Preter

你能澄清一下A和B之间的关系吗？ - jeremye

当然，这里有一些背景信息：我有一个公司名称的Excel文件（行），其中包含以下列： 1° 'type' = A 2° 要应用的百分比 = B 我需要获取每种类型公司的百分比总和。希望这可以帮到你！如果还有问题，请随时提出！ - Sibren De Preter

1

在这种情况下，产品是什么？看起来你只想要一个总和。 - jeremye

4个回答

2

我想到了以下这个方案。有一个边界情况我不知道该怎么处理，希望能够消除它：

In [1]: sums = {}
In [2]: A = [1, 1, 2, 3, 3, 3]
   ...: B = [0.50, 0.25, 0.99, 0.80, 0.70, 0.20]
In [3]: for count, item in zip(A, B):
    ...:     try:
    ...:         sums[count] += item * count
    ...:     except KeyError:
    ...:         sums[count] = item * count
    ...:         

In [4]: sums
Out[5]: {1: 0.75, 2: 1.98, 3: 5.1}

编辑：

如评论中建议，可以使用 defaultdict 来摆脱这个丑陋的 try-except 块：

In [2]: from collections import defaultdict

In [3]: sum = defaultdict(lambda: 0)

In [4]: sum[1]
Out[4]: 0

In [5]: sum
Out[5]: defaultdict(<function __main__.<lambda>>, {1: 0})

编辑2：

今天我学到了一些东西。在更多的评论之后：

In [6]: sums = defaultdict(int)

In [7]: A = [1, 1, 2, 3, 3, 3]
   ...: B = [0.50, 0.25, 0.99, 0.80, 0.70, 0.20]

In [8]: for count, item in zip(A, B):
   ...:     sums[count] += count * item
   ...:     

In [9]: sums
Out[9]: defaultdict(int, {1: 0.75, 2: 1.98, 3: 5.1})

- gonczor

2

你可以使用初始化为0的defaultdict来避免try-except块。 - KGS

不要使用 lambda:0，直接使用 int。这是因为 int()（无参数）返回 0 :) - MSeifert

谢谢，现在看起来很舒适。 - gonczor

0

我认为你可以使用 itertools.groupby 来解决这个问题：

import itertools
from operator import itemgetter

results = [group * sum(v[1] for v in values)
           for group, values in itertools.groupby(zip(A, B), itemgetter(0))]

这假设所有相等的数字在A中都是相邻的。如果它们可能不是相邻的，您需要对它们进行排序或使用不同的算法。

- Blckknght

0

如果您不介意使用numpy，并且假设组已经排序，您可以通过以下方式完成：

A = [1, 1, 2, 3, 3, 3]
B = [0.50, 0.25, 0.99, 0.80, 0.70, 0.20]
A = np.asarray([1, 1, 2, 3, 3, 3])
B = np.asarray([0.50, 0.25, 0.99, 0.80, 0.70, 0.20])
index = np.full(len(A),True)
index[:-1] = A[1:] != A[:-1]
prods = A*B

#result
res = np.add.reduceat(prods, np.append([0], (np.where(index)[0]+1)[:-1]))

此外，如果您拥有大型列表，这将极大地加快操作速度。

- Clock Slave

仅为完整起见：本答案提到的方法部分基于此答案。 - MSeifert

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- MSeifert · Accepted Answer

假设 A 中的值已经排序，那么似乎 itertools.groupby 是一个很好的选择（如果 A=[1,1,2,2,1] ，则可能不会正常工作）：

from itertools import groupby
A = [1, 1, 2, 3, 3, 3]
B = [0.50, 0.25, 0.99, 0.80, 0.70, 0.20]

for key, grp in groupby(zip(A, B), key=lambda x: x[0]):
    grp = [i[1] for i in grp]
    print(key, key * sum(grp))

它会打印：

1 0.75
2 1.98
3 5.1

您可以将它存储在列表中，而不是打印值：

res = []
for key, grp in groupby(zip(A, B), key=lambda x: x[0]):
    grp = [i[1] for i in grp]
    res.append(key*sum(grp))
print(res)
# [0.75, 1.98, 5.1]

如果第三方包对你来说是一个选项，你也可以使用iteration_utilities.groupedby：

>>> from iteration_utilities import groupedby
>>> from operator import itemgetter, add

>>> {key: key*sum(value) for key, value in groupedby(zip(A, B), key=itemgetter(0), keep=itemgetter(1)).items()}
{1: 0.75, 2: 1.98, 3: 5.1}

或者直接使用groupedby的reduce参数：

>>> groupedby(zip(A, B), key=itemgetter(0), keep=lambda x: x[0]*x[1], reduce=add)
{1: 0.75, 2: 1.98, 3: 5.1}

免责声明：我是iteration_utilities包的作者。