如何获得字典元组的最大值

时间:2018-10-12 22:14:12

标签: python python-3.x dictionary max python-2.x

我有一本这样的字典:

dic={(0, 1): 0.059999999999999996,
 (0, 5): 0.13157894736842105,
 (0, 15): 0.23157894736842105,
 (1, 0): 0.049999999999999996,
 (5, 0): 0.13157894736842105,
 (5, 15): 0.049999999999999996,
 (15, 5): 0.23157894736842105}

我想在向量的第一个坐标以及向量的第二个元素中获得每个元素的最大值。

The output would be:
For 0 [First coordinate]:      (0, 5): 0.13157894736842105
For 0 [Second coordinate]:      (5, 0): 0.13157894736842105
For 1 [First coordinate]:       (1,0) 0.049999999999999996
For 1 [Second coordinate]:       (0,1) 0.059999999999999996
and so on.

我知道我可以使用类似的东西

max_keys = [k for k, v in dic.items() if v == max_value] 

但是我找不到正确的方法。

3 个答案:

答案 0 :(得分:1)

def getMaxForX(number):
    return max([v for k, v in dic.items() if k[0] == number])

def getMaxForY(number):
    return max([v for k, v in dic.items() if k[1] == number])

我不确定如何完全实现这些,但是我认为这是您要查找的列表理解

例如:

getMaxForX(0) => 0.23157894736842105,
getMaxForY(0) => 0.13157894736842105

如果您希望每个最大值的键和值都有些许不同,但仍然可行。

答案 1 :(得分:1)

这可以单行完成

例如,对于0 [第一个坐标]:

print(max([(k, v) for k, v in filter(lambda x: x[0][0]==y, dic.items())], key=lambda x:x[1]))
Out[2]: ((0, 15), 0.23157894736842105)

但是更好的方法是将其放入函数中

def get_max(dic, coord, val):
    return max(filter(lambda item: item[0][coord] == val, dic.items()), key=lambda x: x[1])

对于0 [第一个坐标]:

print(get_max(dic, 0, 0))
Out[5]:  ((0, 5), 0.23157894736842105)
# or storing the key and the value:
key_max, value_max = get_max(dic, 0, 0)

对于0 [第二坐标]:

print(get_max(dic, 1, 0))
Out[6]: ((5, 0), 0.13157894736842105)

以此类推...

希望能帮助您编写愉快的代码!

答案 2 :(得分:1)

此问题不适用于具有元组键的字典。您可以迭代并维护自己的结果字典,以保留每个索引键的最大值。或者,您可以使用第三方库,例如Pandas:

import pandas as pd

dic = {(0, 1): 0.059999999999999996, (0, 5): 0.13157894736842105,
       (0, 15): 0.23157894736842105, (1, 0): 0.049999999999999996,
       (5, 0): 0.13157894736842105, (5, 15): 0.049999999999999996,
       (15, 5): 0.23157894736842105}

df = pd.DataFrame.from_dict(dic, orient='index').reset_index()
df[['key0', 'key1']] = pd.DataFrame(df.pop('index').values.tolist())

res = pd.concat((df.groupby(f'key{i}')[0].max().rename(f'idx{i}')
                 for i in range(2)), axis=1)

print(res)

        idx0      idx1
0   0.231579  0.131579
1   0.050000  0.060000
5   0.131579  0.231579
15  0.231579  0.231579