我试图将来自2个不同来源(因此是两个字典)的某些值彼此进行比较,以了解哪些值实际上属于同一类。为了说明这一点,我的两个词典都有一个简短的版本,带有伪数据(为清楚起见添加了输入内容)
dict_1 =
{'ins1': {'Start': 100, 'End': 110, 'Size': 10},
'ins2': {'Start': 150, 'End': 250, 'Size': 100},
'del1': {'Start': 210, 'End': 220, 'Size': 10},
'del2': {'Start': 260, 'End': 360, 'Size': 100},
'dup1': {'Start': 340, 'End': 350, 'Size': 10, 'Duplications': 3},
'dup2': {'Start': 370, 'End': 470, 'Size': 100, 'Duplications': 3}}
dict_2 =
{'0': {'Start': 100, 'Read': 28, 'Prec': 'PRECISE', 'Size': 10, 'End': 110},
'1': {'Start': 500, 'Read': 38, 'Prec': 'PRECISE', 'Size': 100, 'End': 600},
'2': {'Start': 210, 'Read': 27, 'Prec': 'PRECISE', 'Size': 10, 'End': 220},
'3': {'Start': 650, 'Read': 31, 'Prec': 'IMPRECISE', 'Size': 100, 'End': 750},
'4': {'Start': 370, 'Read': 31, 'Prec': 'PRECISE', 'Size': 100, 'End': 470},
'5': {'Start': 340, 'Read': 31, 'Prec': 'PRECISE', 'Size': 10, 'End': 350},
'6': {'Start': 810, 'Read': 36, 'Prec': 'PRECISE', 'Size': 10, 'End': 820}}
我要比较的是“开始”和“结束”值(以及其他值,但此处未指定)。如果它们匹配,我想创建一个类似于以下内容的新字典(dict_3):
dict_3 =
{'ins1': {'Start_d1': 100, 'Start_d2': 100, 'dict_2_ID': '0', etc}
{'del1': {'Start_d1': 210, 'Start_d2': 210, 'dict_2_ID': '2', etc}}
p.s我需要Start_d1和Start_d2,因为它们的数量可能略有不同(+ -5)。
我已经在堆栈溢出中尝试了几个选项,例如: Data_structure_alignment(我认为可以使用,但是我在使用数据框格式时遇到了很多麻烦) 和:Concatenating dictionaries with different keys into Pandas dataframe(仅在字典没有顶层密钥(例如ins1,ins2等)的情况下有效)
有人可以给我一个开始进一步合作的机会吗?我已经尝试了很多事情,并且嵌套字典使我无法找到的所有解决方案都遇到了麻烦。
答案 0 :(得分:1)
您也许可以执行以下操作:
dict_1 = {'ins1': {'Start': 100, 'End': 110, 'Size': 10},
'ins2': {'Start': 150, 'End': 250, 'Size': 100},
'del1': {'Start': 210, 'End': 220, 'Size': 10},
'del2': {'Start': 260, 'End': 360, 'Size': 100},
'dup1': {'Start': 340, 'End': 350, 'Size': 10, 'Duplications': 3},
'dup2': {'Start': 370, 'End': 470, 'Size': 100, 'Duplications': 3}}
dict_2 = {'0': {'Start': 100, 'Read': 28, 'Prec': 'PRECISE', 'Size': 10, 'End': 110},
'1': {'Start': 500, 'Read': 38, 'Prec': 'PRECISE', 'Size': 100, 'End': 600},
'2': {'Start': 210, 'Read': 27, 'Prec': 'PRECISE', 'Size': 10, 'End': 220},
'3': {'Start': 650, 'Read': 31, 'Prec': 'IMPRECISE', 'Size': 100, 'End': 750},
'4': {'Start': 370, 'Read': 31, 'Prec': 'PRECISE', 'Size': 100, 'End': 470},
'5': {'Start': 340, 'Read': 31, 'Prec': 'PRECISE', 'Size': 10, 'End': 350},
'6': {'Start': 810, 'Read': 36, 'Prec': 'PRECISE', 'Size': 10, 'End': 820}}
dict_3 = {}
for d1 in dict_1:
for d2 in dict_2:
if dict_1[d1]["Start"] == dict_2[d2]["Start"] and dict_1[d1]["End"] == dict_2[d2]["End"]:
dict_3[d1] = {"Start_d1": dict_1[d1]["Start"], "Start_d2": dict_2[d2]["Start"], "dict_2_ID": d2}
print(dict_3)
上述解决方案的顺序为n^2
,效率不是很高。
但是,要使其更加高效(n
),您需要对dict_2
进行转换,使其包含"Start"
和{ {1}}为其键值(例如:“ S100E110”),则查找将为恒定时间(字典查找)。ref。然后,您将可以执行以下操作:
"End"
答案 1 :(得分:1)
您可以使用熊猫;这是一个演示:
import pandas as pd
df1 = pd.DataFrame.from_dict(dict_1, orient='index')
df2 = pd.DataFrame.from_dict(dict_2, orient='index')
res = pd.merge(df1, df2, on=['Start', 'End', 'Size'])
print(res)
Start End Size Duplications Read Prec
0 210 220 10 NaN 27 PRECISE
1 340 350 10 3.0 31 PRECISE
2 370 470 100 3.0 31 PRECISE
3 100 110 10 NaN 28 PRECISE