在字典中不使用 .values() 等方法计算值的均值

Question

我有一个字典，长得像这样：

G={'E': 18.0, 'D': 17.0, 'C': 19.0, 'B': 15.0, 'A': 0}

我需要用一个简单的 for 循环来计算这些值的平均数，比如说 mean(18,17,19,15,0)，而不使用像 .values()、.items() 这样的内置函数。我试过下面的代码，但出现了错误：

d=[float(sum(values)) / len(values) for key, values in G]
    return (d)   
ValueError: need more than 1 value to unpack

有人能帮我解决这个问题吗？？？

Answer 1

在Python 3.4及以上版本中，有一种非常简单明了的方法：

import statistics
numbers = [G[key] for key in G]
mean_ = statistics.mean(numbers)

Answer 2

遍历一个字典时，其实是在遍历字典的键。你可以试着直接用 for key in G，然后用 G[key] 来获取对应的值，而不是用 values。

另外，你也可以使用字典的 iteritems() 方法来获取 key, value 对，比如：

d=[float(sum(values)) / len(values) for key, values in G.iteritems()]

顺便说一下，你计算平均值的方法我觉得不太对，但你可以先解决遍历的问题。

Answer 3

在编程中，有时候我们需要处理一些数据，比如从一个地方获取数据，然后在另一个地方使用这些数据。这个过程就像是把水从一个水桶倒到另一个水桶里。

有些时候，我们会遇到一些问题，比如数据的格式不对，或者数据不完整。这就像是你在倒水的时候，发现水桶有个洞，水流出去了一部分，最后你倒的水不够。

为了避免这些问题，我们可以使用一些工具和方法来确保数据的完整性和正确性。就像在倒水之前，先检查水桶有没有洞，确保水能顺利倒进去。

总之，处理数据的时候，要注意数据的质量，确保它们能顺利地从一个地方转移到另一个地方，这样才能保证我们的程序正常运行。

import numpy as np
np.mean(list(dict.values()))

Answer 4

如果你使用numpy：

import numpy as np

np.array(list(dict.values())).mean()

Answer 5

要用一个“简单的for循环”来实现这个，前提是你不能使用字典的方法：

G = {'E': 18.0, 'D': 17.0, 'C': 19.0, 'B': 15.0, 'A': 0}


count = 0
_sum = 0
for key in G:
    count += 1
    _sum += G[key]

print('this is the mean: ', _sum/count)

如果你被要求避免使用字典的方法，那显然这是个学术练习。

如果没有这个限制：

标准库里的statistics模块有一个mean方法，这个是我首先想到的（因为标准库不需要额外安装其他包）：

>>> G={'E': 18.0, 'D': 17.0, 'C': 19.0, 'B': 15.0, 'A': 0}
>>> from statistics import mean
>>> mean(G[k] for k in G)
13.8

像numpy和pandas这样的第三方包也有带mean方法的对象：

>>> from numpy import array
>>> array([G[k] for k in G]).mean()
13.8

>>> from pandas import Series
>>> Series([G[k] for k in G]).mean()
13.8

如果我们允许使用values()方法，那么用可迭代解包的方式会简单一些。不知道为什么其他答案没有遵循这个条件，所以我觉得我应该展示一种更有效的做法：

>>> Series([*G.values()]).mean()
13.8