如何使用嵌套词典计算百分比-Python问题

how to calculate percentage with nested dictionary(如何使用嵌套词典计算百分比)

本文介绍了如何使用嵌套词典计算百分比的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！

问题描述

我纠结于如何使用嵌套词典计算百分比。我有一个old_dict = {'X': {'a': 0.69, 'b': 0.31}, 'Y': {'a': 0.96, 'c': 0.04}}定义的dictionay，我知道X和Y的百分比在表中：

input= {"name":['X','Y'],"percentage":[0.9,0.1]}
table = pd.DataFrame(input)

OUTPUT:
   name percentage
0   X   0.9
1   Y   0.1

但我希望用X和Y的百分比分别乘以a，b，c。即X*a = 0.9*0.69、X*b = 0.9*0.31、Y*a = 0.1*0.96、Y*c = 0.1*0.04...这样我就可以找到a，b和c的混合百分比，最终得到了一个新的词典new_dict = {'a': 0.717, 'b': 0.279 ,'c': 0.004}。

我正在努力解决如何突破嵌套的字典，以及如何将X和Y与表中的相应值链接起来。有谁可以帮我？谢谢！

推荐答案

您可以对第一个字典使用DataFrame，对第二个字典使用Series，并执行对齐乘法，然后sum：

old_dict = {'X': {'a': 0.69, 'b': 0.31}, 'Y': {'a': 0.96, 'c': 0.04}}
df = pd.DataFrame(old_dict)

inpt = {"name":['X','Y'],"percentage":[0.9,0.1]}
table = pd.DataFrame(inpt)

# convert table to series:
ser = table.set_index('name')['percentage']
# alternative build directly a Series:
# ser = pd.Series(dict(zip(*inpt.values())))

# compute expected values:
out = (df*ser).sum(axis=1).to_dict()

输出：{'a': 0.717, 'b': 0.279, 'c': 0.004}

这篇关于如何使用嵌套词典计算百分比的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持编程学习网！