累计概率的相对求和在非有序列表中。

Question

population_d = {'0,0,1,0,1,1,0,1,1,1,1,0,0,0,0,1': 6, 
'0,0,1,1,1,0,0,1,1,0,1,1,0,0,0,1': 3, 
'0,1,1,0,1,1,0,0,1,1,1,0,0,1,0,0': 5, 
'1,0,0,1,1,1,0,0,1,1,0,1,1,0,0,0': 1}

def ProbabilityList(population_d):
    fitness = population_d.values()
    total_fit = (sum(fitness))
    relative_fitness = [f/total_fit for f in fitness]
    probabilities = [sum(relative_fitness[:i+1]) for i in range(len(relative_fitness))]
    return (probabilities)

我试图计算这种数据结构的累积概率，但是，我需要保持值的顺序，以便将它们索引到另一个列表中相同位置的各个个体。在

程序按顺序执行操作，为最后一个位置赋予更高的权重，在这种情况下，这将是最低的适应度。在

有人知道是否有一种方法可以在不改变其在输出列表中的位置的情况下，以正确的方式执行累积和（适应值的新月顺序）？在

非常感谢！在

Answer 1

population_d = {'0,0,1,0,1,1,0,1,1,1,1,0,0,0,0,1': 6, 
                '0,0,1,1,1,0,0,1,1,0,1,1,0,0,0,1': 3, 
                '0,1,1,0,1,1,0,0,1,1,1,0,0,1,0,0': 5, 
                '1,0,0,1,1,1,0,0,1,1,0,1,1,0,0,0': 1}

在你的字典里，你把健康联系起来了（？）具有唯一标识符的值。这些标识符可能来自程序和数据集中的其他地方。我没有试图依赖字典的构造顺序来保持这种关系，而是保持了关联并构建了一个新字典，其中的值是将适应度从低到高排序后获得的累计和。在

^{pr2}$

---

希望有了字典，你就可以把累计和与代码另一部分中的原始个体联系起来。在

---

我看到你一直在问与这个数据集和项目有关的其他问题。您可能需要花一些时间学习Pandas，甚至考虑将数据保存在数据库中，而不是分散在整个项目中的单个容器中。在