按嵌套值的频率排序嵌套字典

Question

我有这个 list 由一个巨大的 csv 制成。对于 list 中的每一项，我都将其分解为 id 和 details。 id 的最大长度始终在 0-3 个字符之间，而 details 是可变的。我创建了一个空字典，D...（下面的其余代码）：

D={}

for v in list:

    id = v[0:3]
    details = v[3:]

    if id not in D:
        D[id] = {}

    if details not in D[id]:
        D[id][details] = 0

    D[id][details] += 1

旁白：你能帮我理解这两个 if 语句在做什么吗？ 对 python 和编程非常陌生。

无论如何，它会产生这样的东西：

{'KEY1_1': {'key2_1' : value2_1, 'key2_2' : value2_2, 'key2_3' : value2_3},
'KEY1_2': {'key2_1' : value2_1, 'key2_2' : value2_2, 'key2_3' : value2_3},
and many more KEY1's with variable numbers of key2's

每个 'KEY1' 都是独一无二的，但每个 'key2' 则不一定。 value2_ s个个都不一样

好的，现在我找到了一种按第一个 KEY 排序的方法

for k, v in sorted(D.items()):
    print k, ':', v

我已经做了足够多的研究，知道字典不能真正排序，但我不关心排序，我关心顺序或更具体的出现频率。在我的代码中，value2_x 是特定 KEY1_x 对应的 key2_x 出现的次数。我开始认为我应该使用更好的变量名。

问题：top-level/overall字典如何按嵌套字典中value2_x中的数字排序？我想对这些数字进行一些统计，例如...

最频繁的 KEY1_x:key2_x 对出现了多少次？
最常见的 KEY1_x:key2_x 10、20、30 对是什么？

我可以只做每个 KEY1 还是我可以整体做？奖励：如果我能以这种方式为 presentation/sharing 订购它，那将非常有帮助，因为它是一个如此大的数据集。非常感谢，我希望我已经明确了我的问题和意图。

Answer 1

您可以使用 Counter 根据频率对密钥对进行排序。它还提供了一种获取 x 个最频繁项目的简单方法：

from collections import Counter

d = {
    'KEY1': {
        'key2_1': 5,
        'key2_2': 1,
        'key2_3': 3
    },
    'KEY2': {
        'key2_1': 2,
        'key2_2': 3,
        'key2_3': 4
    }
}

c = Counter()
for k, v in d.iteritems():
    c.update({(k, k1): v1 for k1, v1 in v.iteritems()})

print c.most_common(3)

输出：

[(('KEY1', 'key2_1'), 5), (('KEY2', 'key2_3'), 4), (('KEY2', 'key2_2'), 3)]

如果您只关心最常见的键对，没有其他理由构建嵌套字典，您可以使用以下代码：

from collections import Counter

l = ['foobar', 'foofoo', 'foobar', 'barfoo']
D = Counter((v[:3], v[3:]) for v in l)
print D.most_common() # [(('foo', 'bar'), 2), (('foo', 'foo'), 1), (('bar', 'foo'), 1)]

简短说明：((v[:3], v[3:]) for v in l) 是一个 generator expression，它将生成 tuples，其中第一项与您的顶级密钥相同原始 dict 和第二项与嵌套 dict.

中的键相同

>>> x = list((v[:3], v[3:]) for v in l)
>>> x
[('foo', 'bar'), ('foo', 'foo'), ('foo', 'bar'), ('bar', 'foo')]

Counter 是 dict 的子类。它接受 iterable 作为参数，iterable 中的每个唯一元素将用作键，值是 iterable.

中元素的计数

>>> c = Counter(x)
>>> c
Counter({('foo', 'bar'): 2, ('foo', 'foo'): 1, ('bar', 'foo'): 1})

因为 generator expression is an iterable 没有必要将其转换为中间的列表，所以构造可以简单地用 Counter((v[:3], v[3:]) for v in l).

完成

您询问的 if 语句正在检查密钥是否存在于 dict:

>>> d = {1: 'foo'}
>>> 1 in d
True
>>> 2 in d
False

因此以下代码将检查字典 D 中是否存在值为 id 的键，如果不存在，它将在那里分配空字典。

if id not in D:
    D[id] = {}

第二个 if 对嵌套字典的作用完全相同。

按嵌套值的频率排序嵌套字典

Ordering a nested dictionary by the frequency of the nested value

python

dictionary

hashtable