Python供需价格板开发：如何用字典数值更新另一字典键值？

问题背景 #

开发Python期末作业伪供需价格板，需实现以下需求：

• 基于metalDict中动态变化的金属基础成本，通过公式更新outputDict内各城市的价格
• 使用Numpy和Pandas完成最终表格输出

当前代码定义 #

金属基础成本字典 #

metalDict = {
  'Iron Ingot': 1,
  'Copper Ingot':10,
  'Tin Ingot':30,
  'Silver Ingot':100,
  'Gold Ingot':1000,
  'Mithral Ingot':5000}

结果输出字典 #

outputDict = {
  "metals" : ['Iron Ingots', 'Copper Ingots', 'Tin Ingots', 'Silver Ingots', 'Gold Ingots', 'mithral Ingots'],
  "wholesale" : [metalDict['Iron Ingot'], metalDict['Copper Ingot'],metalDict['Tin Ingot'],metalDict['Silver Ingot'], metalDict['Gold Ingot'], metalDict['Mithral Ingot']],
  'city 1' : [1,2,3,4,5,6],
  'city 2' : [1,2,3,4,5,6],
  'city 3' : [1,2,3,4,5,6],
  'city 4' : [1,2,3,4,5,6],
  'city 5' : [1,2,3,4,5,6]}

现有尝试的问题 #

尝试的代码触发KeyError: 'city 1'，错误代码如下：

city1Needs = np.random.randint (2, size=100)
city1Demand = 40
if city1Demand <= 40:
  for key, value in outputDict.items():
    if key == 'city 1':
      Outputdict['city 1'] = (metalDict[key]/2) + metalDict[key]

错误原因：

1. 拼写错误：Outputdict应为outputDict
2. 逻辑错误：用city 1作为键去取metalDict的值，但metalDict中无此键，需对应金属名称匹配计算

可行解决方案 #

方案1：基于现有字典改进 #

先统一金属名称的一致性（解决单复数、大小写问题），再通过索引对应计算城市价格：

# 统一金属名称，与metalDict完全匹配
outputDict["metals"] = ['Iron Ingot', 'Copper Ingot', 'Tin Ingot', 'Silver Ingot', 'Gold Ingot', 'Mithral Ingot']

# 动态更新批发价（metalDict变化时可复用）
outputDict["wholesale"] = [metalDict[metal] for metal in outputDict["metals"]]

# 定义各城市价格系数（可根据需求动态调整）
city_coeffs = {
    'city 1': 1.5,
    'city 2': 1.6,
    'city 3': 1.4,
    'city 4': 1.7,
    'city 5': 1.3
}

# 批量更新所有城市价格
for city, coeff in city_coeffs.items():
    outputDict[city] = [metalDict[metal] * coeff for metal in outputDict["metals"]]

# 示例：单独更新city1（加入需求逻辑）
city1Demand = 40
if city1Demand <= 40:
    outputDict['city 1'] = [metalDict[metal] * 1.5 for metal in outputDict["metals"]]

方案2：使用Pandas（推荐，适配表格输出） #

利用Pandas的DataFrame天然适配表格结构，简化索引对应和动态更新：

import pandas as pd
import numpy as np

# 从metalDict直接初始化DataFrame
df = pd.DataFrame({
    'metals': list(metalDict.keys()),
    'wholesale': list(metalDict.values())
})

# 定义城市价格系数
city_coeffs = {
    'city 1': 1.5,
    'city 2': 1.6,
    'city 3': 1.4,
    'city 4': 1.7,
    'city 5': 1.3
}

# 批量生成城市价格列
for city, coeff in city_coeffs.items():
    df[city] = df['wholesale'] * coeff

# 动态更新函数（适配metalDict变化和需求调整）
def update_prices(df, metalDict, demand_dict=None):
    # 更新批发价
    df['wholesale'] = [metalDict[metal] for metal in df['metals']]
    # 根据需求调整价格
    for city in city_coeffs.keys():
        coeff = city_coeffs[city]
        if demand_dict and city in demand_dict:
            demand = demand_dict[city]
            # 需求高于50时涨价20%
            if demand > 50:
                coeff *= 1.2
        df[city] = df['wholesale'] * coeff

# 示例：模拟metalDict动态变化和城市需求
metalDict['Iron Ingot'] = 2
demand_dict = {'city 1': 60, 'city 2': 30}
update_prices(df, metalDict, demand_dict)

# 输出指定列（符合预期表格格式）
print(df[['wholesale', 'city 1']])

Pandas方案优势：

• 自动维护金属与价格的对应关系，避免索引错误
• 动态更新逻辑更简洁，易扩展供需相关规则
• 内置表格格式化、统计等功能，适配期末作业展示需求

内容的提问来源于stack exchange，提问作者MacAndWeenies