ProgramingTip

딕셔너리에서 최대 값을 가진 키를 얻었습니까?

bestdevel 2020. 9. 29. 08:12
반응형

딕셔너리에서 최대 값을 가진 키를 얻었습니까?


나는 dictionary: 키는이고 값은 정수입니다.

예 :

stats = {'a':1000, 'b':3000, 'c': 100}

'b'더 높은 가치를 보유하고 있기 때문에 더 높은 가치를 소유하고 있습니다.

반전 된 키-값 튜플이있는 중간 목록을 사용하여 다음을 수행했습니다.

inverse = [(value, key) for key, value in stats.items()]
print max(inverse)[1]

이것은 더 나은 (또는 훨씬 더 우아한) 접근 방식입니까?


이를 operator.itemgetter위해 사용할 수 있습니다 .

import operator
stats = {'a':1000, 'b':3000, 'c': 100}
max(stats.iteritems(), key=operator.itemgetter(1))[0]

그리고 메모리 사용에 새 목록을 작성하는 대신 stats.iteritems(). 함수에 대한 key매개 변수 max()는 항목 순위 지정 방법을 결정하는 데 사용되는 키를 계산하는 함수입니다.

제발 참고 다른 키 - 값 쌍 'D'가한다면 : 3000 방법은 반환이 것을 하나 둘 다 최대 값이 적당한 프로그램합니다.

>>> import operator
>>> stats = {'a':1000, 'b':3000, 'c': 100, 'd':3000}
>>> max(stats.iteritems(), key=operator.itemgetter(1))[0]
'b' 

Python3을 사용하는 경우 :

>>> max(stats.items(), key=operator.itemgetter(1))[0]
'b'

max(stats, key=stats.get)

나는 많은 변형을 테스트하고 최대 값으로 dict의 키를 반환하는 가장 빠른 방법입니다.

def keywithmaxval(d):
     """ a) create a list of the dict's keys and values; 
         b) return the key with the max value"""  
     v=list(d.values())
     k=list(d.keys())
     return k[v.index(max(v))]

아이디어를 제공하기 위해 다음과 같은 몇 가지 후보 방법이 있습니다.

def f1():  
     v=list(d1.values())
     k=list(d1.keys())
     return k[v.index(max(v))]

def f2():
    d3={v:k for k,v in d1.items()}
    return d3[max(d3)]

def f3():
    return list(filter(lambda t: t[1]==max(d1.values()), d1.items()))[0][0]    

def f3b():
    # same as f3 but remove the call to max from the lambda
    m=max(d1.values())
    return list(filter(lambda t: t[1]==m, d1.items()))[0][0]        

def f4():
    return [k for k,v in d1.items() if v==max(d1.values())][0]    

def f4b():
    # same as f4 but remove the max from the comprehension
    m=max(d1.values())
    return [k for k,v in d1.items() if v==m][0]        

def f5():
    return max(d1.items(), key=operator.itemgetter(1))[0]    

def f6():
    return max(d1,key=d1.get)     

def f7():
     """ a) create a list of the dict's keys and values; 
         b) return the key with the max value"""    
     v=list(d1.values())
     return list(d1.keys())[v.index(max(v))]    

def f8():
     return max(d1, key=lambda k: d1[k])     

tl=[f1,f2, f3b, f4b, f5, f6, f7, f8, f4,f3]     
cmpthese.cmpthese(tl,c=100) 

테스트 사전 :

d1={1: 1, 2: 2, 3: 8, 4: 3, 5: 6, 6: 9, 7: 17, 8: 4, 9: 20, 10: 7, 11: 15, 
    12: 10, 13: 10, 14: 18, 15: 18, 16: 5, 17: 13, 18: 21, 19: 21, 20: 8, 
    21: 8, 22: 16, 23: 16, 24: 11, 25: 24, 26: 11, 27: 112, 28: 19, 29: 19, 
    30: 19, 3077: 36, 32: 6, 33: 27, 34: 14, 35: 14, 36: 22, 4102: 39, 38: 22, 
    39: 35, 40: 9, 41: 110, 42: 9, 43: 30, 44: 17, 45: 17, 46: 17, 47: 105, 48: 12, 
    49: 25, 50: 25, 51: 25, 52: 12, 53: 12, 54: 113, 1079: 50, 56: 20, 57: 33, 
    58: 20, 59: 33, 60: 20, 61: 20, 62: 108, 63: 108, 64: 7, 65: 28, 66: 28, 67: 28, 
    68: 15, 69: 15, 70: 15, 71: 103, 72: 23, 73: 116, 74: 23, 75: 15, 76: 23, 77: 23, 
    78: 36, 79: 36, 80: 10, 81: 23, 82: 111, 83: 111, 84: 10, 85: 10, 86: 31, 87: 31, 
    88: 18, 89: 31, 90: 18, 91: 93, 92: 18, 93: 18, 94: 106, 95: 106, 96: 13, 9232: 35, 
    98: 26, 99: 26, 100: 26, 101: 26, 103: 88, 104: 13, 106: 13, 107: 101, 1132: 63, 
    2158: 51, 112: 21, 113: 13, 116: 21, 118: 34, 119: 34, 7288: 45, 121: 96, 122: 21, 
    124: 109, 125: 109, 128: 8, 1154: 32, 131: 29, 134: 29, 136: 16, 137: 91, 140: 16, 
    142: 104, 143: 104, 146: 117, 148: 24, 149: 24, 152: 24, 154: 24, 155: 86, 160: 11, 
    161: 99, 1186: 76, 3238: 49, 167: 68, 170: 11, 172: 32, 175: 81, 178: 32, 179: 32, 
    182: 94, 184: 19, 31: 107, 188: 107, 190: 107, 196: 27, 197: 27, 202: 27, 206: 89, 
    208: 14, 214: 102, 215: 102, 220: 115, 37: 22, 224: 22, 226: 14, 232: 22, 233: 84, 
    238: 35, 242: 97, 244: 22, 250: 110, 251: 66, 1276: 58, 256: 9, 2308: 33, 262: 30, 
    263: 79, 268: 30, 269: 30, 274: 92, 1300: 27, 280: 17, 283: 61, 286: 105, 292: 118, 
    296: 25, 298: 25, 304: 25, 310: 87, 1336: 71, 319: 56, 322: 100, 323: 100, 325: 25, 
    55: 113, 334: 69, 340: 12, 1367: 40, 350: 82, 358: 33, 364: 95, 376: 108, 
    377: 64, 2429: 46, 394: 28, 395: 77, 404: 28, 412: 90, 1438: 53, 425: 59, 430: 103, 
    1456: 97, 433: 28, 445: 72, 448: 23, 466: 85, 479: 54, 484: 98, 485: 98, 488: 23, 
    6154: 37, 502: 67, 4616: 34, 526: 80, 538: 31, 566: 62, 3644: 44, 577: 31, 97: 119, 
    592: 26, 593: 75, 1619: 48, 638: 57, 646: 101, 650: 26, 110: 114, 668: 70, 2734: 41, 
    700: 83, 1732: 30, 719: 52, 728: 96, 754: 65, 1780: 74, 4858: 47, 130: 29, 790: 78, 
    1822: 43, 2051: 38, 808: 29, 850: 60, 866: 29, 890: 73, 911: 42, 958: 55, 970: 99, 
    976: 24, 166: 112}

그리고 Python 3.2에서의 테스트 결과 :

    rate/sec       f4      f3    f3b     f8     f5     f2    f4b     f6     f7     f1
f4       454       --   -2.5% -96.9% -97.5% -98.6% -98.6% -98.7% -98.7% -98.9% -99.0%
f3       466     2.6%      -- -96.8% -97.4% -98.6% -98.6% -98.6% -98.7% -98.9% -99.0%
f3b   14,715  3138.9% 3057.4%     -- -18.6% -55.5% -56.0% -56.4% -58.3% -63.8% -68.4%
f8    18,070  3877.3% 3777.3%  22.8%     -- -45.4% -45.9% -46.5% -48.8% -55.5% -61.2%
f5    33,091  7183.7% 7000.5% 124.9%  83.1%     --  -1.0%  -2.0%  -6.3% -18.6% -29.0%
f2    33,423  7256.8% 7071.8% 127.1%  85.0%   1.0%     --  -1.0%  -5.3% -17.7% -28.3%
f4b   33,762  7331.4% 7144.6% 129.4%  86.8%   2.0%   1.0%     --  -4.4% -16.9% -27.5%
f6    35,300  7669.8% 7474.4% 139.9%  95.4%   6.7%   5.6%   4.6%     -- -13.1% -24.2%
f7    40,631  8843.2% 8618.3% 176.1% 124.9%  22.8%  21.6%  20.3%  15.1%     -- -12.8%
f1    46,598 10156.7% 9898.8% 216.7% 157.9%  40.8%  39.4%  38.0%  32.0%  14.7%     --

그리고 Python 2.7에서 :

    rate/sec       f3       f4     f8    f3b     f6     f5     f2    f4b     f7     f1
f3       384       --    -2.6% -97.1% -97.2% -97.9% -97.9% -98.0% -98.2% -98.5% -99.2%
f4       394     2.6%       -- -97.0% -97.2% -97.8% -97.9% -98.0% -98.1% -98.5% -99.1%
f8    13,079  3303.3%  3216.1%     --  -5.6% -28.6% -29.9% -32.8% -38.3% -49.7% -71.2%
f3b   13,852  3504.5%  3412.1%   5.9%     -- -24.4% -25.8% -28.9% -34.6% -46.7% -69.5%
f6    18,325  4668.4%  4546.2%  40.1%  32.3%     --  -1.8%  -5.9% -13.5% -29.5% -59.6%
f5    18,664  4756.5%  4632.0%  42.7%  34.7%   1.8%     --  -4.1% -11.9% -28.2% -58.8%
f2    19,470  4966.4%  4836.5%  48.9%  40.6%   6.2%   4.3%     --  -8.1% -25.1% -57.1%
f4b   21,187  5413.0%  5271.7%  62.0%  52.9%  15.6%  13.5%   8.8%     -- -18.5% -53.3%
f7    26,002  6665.8%  6492.4%  98.8%  87.7%  41.9%  39.3%  33.5%  22.7%     -- -42.7%
f1    45,354 11701.5% 11399.0% 246.8% 227.4% 147.5% 143.0% 132.9% 114.1%  74.4%     -- 

f1Python 3.2 및 2.7에서 가장 빠르다는 것을 알 수 있습니다 (또는 keywithmaxval이 게시물의 맨 위에 있음).


최대 값을 가진 키만 알고 있고 사전을 반복이 키를 반복이기 때문에 iterkeys또는 없이 할 수 있습니다 iteritems.

max_key = max(stats, key=lambda k: stats[k])

편집하다 :

댓글에서 @ user1274878 :

저는 처음을 처음 사용합니다. 답변을 단계별로 설명해 주시겠습니까?

네 ...

최대

최대 (반복 가능 [, 키])

최대 (인수 1, 인수 2, * 인수 [, 키])

이터 러블에서 가장 큰 항목 또는 둘 이상의 인수 중 가장 큰 항목을 반환합니다.

선택적 key인수는 요소를 비교하여 최대 값을 얻는 방법을 설명합니다.

lambda <item>: return <a result of operation with item> 

반환 된 값이 비교됩니다.

딕트

Python dict는 해시 테이블입니다. dict의 키는 키로 선언 된 객체의 해시입니다. 성능상의 이유로 인해 dict는 키를 통해 반복으로 구현되었지만 반복됩니다.

따라서 키 목록을 얻는 작업을 제거하는 데 사용할 수 있습니다.

폐쇄

다른 함수 내에 정의 된 함수를 중첩 함수라고합니다. 중첩 된 함수는 둘러싸는 범위의 변수에 액세스 할 수 있습니다.

stats가변 가능한 관통 __closure__의 특성 lambda상위 범위에 정의 된 변수의 값에 대한 포인터로서 기능.


다음은 또 하나입니다.

stats = {'a':1000, 'b':3000, 'c': 100}
max(stats.iterkeys(), key=lambda k: stats[k])

이 함수 key는 순위 지정에 사용해야하는 값을 max()반환하고 필요한 요소를 즉시 반환합니다.


예:

stats = {'a':1000, 'b':3000, 'c': 100}

키로 최대 값을 찾으려면 관련 기능없이 간단하게 수행 할 수 있습니다.

max(stats, key=stats.get)

출력은 최대 값을 가진 키입니다.


key, value = max(stats.iteritems(), key=lambda x:x[1])

가치에 대해 신경 쓰지 않는다면 (놀랍 겠지만) 다음과 같이 할 수 있습니다.

key, _ = max(stats.iteritems(), key=lambda x:x[1])

식의 끝에있는 [0] 아래 첨자보다 튜플 압축 풀기가 더 좋습니다. 나는 람다 식의 가독성이별로 마음에 들지 않지만 operator.itemgetter (1) IMHO보다이게 더 낫다고 생각합니다.


하나 이상의 항목이 최대 값을 갖는다는 점을 감안할 때. 최대 값을 값으로 갖는 키 목록을 만들 것입니다.

>>> stats = {'a':1000, 'b':3000, 'c': 100, 'd':3000}
>>> [key for m in [max(stats.values())] for key,val in stats.iteritems() if val == m]
['b', 'd']

그러면 'b'와 다른 최대 키도 제공됩니다.

참고 : 파이썬 3 사용을 위해 stats.items()대신stats.iteritems()


사전의 최대 키 / 값을 얻으려면 다음을 수행하십시오 stats.

stats = {'a':1000, 'b':3000, 'c': 100}
  • 기반

>>> max(stats.items(), key = lambda x: x[0]) ('c', 100)

  • 를 기반으로

>>> max(stats.items(), key = lambda x: x[1]) ('b', 3000)

물론 결과에서 키나 값만 얻으려면 튜플 인덱싱을 사용할 수 있습니다. 예를 들어 최대 값에 해당하는 키를 얻으려면 :

>>> max(stats.items(), key = lambda x: x[1])[0] 'b'

설명

items()Python 3 의 사전 메서드 사전 뷰 객체반환합니다 . 이 뷰 객체가 max함수에 의해 반복 될 때 딕셔너리 항목을 튜플 형식의 튜플로 생성합니다 (key, value).

>>> list(stats.items()) [('c', 100), ('b', 3000), ('a', 1000)]

lambda표현식 을 사용하면 lambda x: x[1]각 반복에서 x이러한 튜플 중 하나입니다 (key, value). 따라서 올바른 인덱스를 선택하여 키 또는 값으로 비교할 것인지 선택합니다.

파이썬 2

Python 2.2 이상 릴리스의 경우 동일한 코드가 작동합니다. 그러나 성능 iteritems()보다는 사전 방법 을 사용하는 것이 좋습니다 items().

메모

  • 이 답변은 Climbs_lika_Spyder의 답변 에 대한 의견을 기반으로합니다 .

  • 사용 된 코드는 Python 3.5.2 및 Python 2.7.10에서 테스트되었습니다.


d = {'A': 4,'B':10}

min_v = min(zip(d.values(), d.keys()))
# min_v is (4,'A')

max_v = max(zip(d.values(), d.keys()))
# max_v is (10,'B')

선택한 답변의 주석을 통해 반복 솔루션마다 ...

Python 3 :

max(stats.keys(), key=(lambda k: stats[k]))

Python 2 :

max(stats.iterkeys(), key=(lambda k: stats[k]))

mydict.keys()의 값을 기반으로 반환하는 방법을 찾고 mydict.values()있습니다. 반환 된 하나의 키 대신 상위 x 개의 값 을 반환하려고했습니다 .

이 솔루션은 max()함수를 사용하는 것보다 간단하며 반환되는 값의 수를 쉽게 변경할 수 있습니다.

stats = {'a':1000, 'b':3000, 'c': 100}

x = sorted(stats, key=(lambda key:stats[key]), reverse=True)
['b', 'a', 'c']

가장 높은 순위의 단일 키를 원하면 다음 인덱스를 사용하십시오.

x[0]
['b']

상위 두 개의 가장 높은 순위 키를 원한다면 목록 분할을 사용하십시오.

x[:2]
['b', 'a']

collections.Counter당신 과 함께 할 수 있습니다

>>> import collections
>>> stats = {'a':1000, 'b':3000, 'c': 100}
>>> stats = collections.Counter(stats)
>>> stats.most_common(1)
[('b', 3000)]

적절한 경우 간단히 비어있는 것으로 시작하여 collections.Counter추가 할 수 있습니다.

>>> stats = collections.Counter()
>>> stats['a'] += 1
:
etc. 

max((value, key) for key, value in stats.items())[1]


힙 큐는 값별로 정렬 된 상위 n 개의를 추출 할 수 있는 일반화 된 솔루션입니다 .

from heapq import nlargest

stats = {'a':1000, 'b':3000, 'c': 100}

res1 = nlargest(1, stats, key=stats.__getitem__)  # ['b']
res2 = nlargest(2, stats, key=stats.__getitem__)  # ['b', 'a']

res1_val = next(iter(res1))                       # 'b'

유의할 점 dict.__getitem__은 슈가 구문에 의해 호출되는 메서드 dict[]입니다. 와 반대로 키를 찾을 수없는 경우 dict.get반환 KeyError되며 여기서는 발생할 수 없습니다.


나는 이러한 답변에 만족하지 않았습니다. max항상 최대 값이있는 첫 번째 키를 선택합니다. 사전에는 해당 값을 가진 여러 키가있을 수 있습니다.

def keys_with_top_values(my_dict):
    return [key  for (key, value) in my_dict.items() if value == max(my_dict.values())]

누군가가 도움이 될 경우이 답변을 게시하십시오. 아래 SO 게시물을 참조하십시오.

타이의 경우 파이썬은 어느 최대 값을 선택합니까?


Counter = 0
for word in stats.keys():
    if stats[word]> counter:
        Counter = stats [word]
print Counter

@Aric Coady 의 가장 간단한 솔루션에 +1합니다 .
또한 사전에서 최대 값을 가진 키 중 하나를 무작위로 선택하는 한 가지 방법 :

stats = {'a':1000, 'b':3000, 'c': 100, 'd':3000}

import random
maxV = max(stats.values())
# Choice is one of the keys with max value
choice = random.choice([key for key, value in stats.items() if value == maxV])

나는 매우 기본적인 루프에 대해 받아 들인 대답과 @thewolf의 가장 빠른 솔루션을 테스트했으며 루프는 둘 다보다 빠릅니다.

import time
import operator


d = {"a"+str(i): i for i in range(1000000)}

def t1(dct):
    mx = float("-inf")
    key = None
    for k,v in dct.items():
        if v > mx:
            mx = v
            key = k
    return key

def t2(dct):
    v=list(dct.values())
    k=list(dct.keys())
    return k[v.index(max(v))]

def t3(dct):
    return max(dct.items(),key=operator.itemgetter(1))[0]

start = time.time()
for i in range(25):
    m = t1(d)
end = time.time()
print ("Iterating: "+str(end-start))

start = time.time()
for i in range(25):
    m = t2(d)
end = time.time()
print ("List creating: "+str(end-start))

start = time.time()
for i in range(25):
    m = t3(d)
end = time.time()
print ("Accepted answer: "+str(end-start))

결과 :

Iterating: 3.8201940059661865
List creating: 6.928712844848633
Accepted answer: 5.464320182800293

어때 :

 max(zip(stats.keys(), stats.values()), key=lambda t : t[1])[0]

참고 URL : https://stackoverflow.com/questions/268272/getting-key-with-maximum-value-in-dictionary

반응형