如何基于字典中列表值计算符合灵活性标准的占比

方法一：基于你现有字典代码的扩展 #

首先修正你的percentages函数，让它返回构建好的字典，然后添加逻辑计算灵活性百分比：

import pandas as pd

def course_prereq_flexibility(fn):
    df = pd.read_csv(fn)
    df2 = df[["area", "prereq_type"]].copy()
    # 获取分组后的字典
    dict1 = percentages(df2)
    
    # 计算每个键的灵活性百分比
    result_dict = {}
    for key, values_list in dict1.items():
        total_elements = len(values_list)
        # 统计符合灵活性标准的元素数量
        flexible_count = sum(1 for val in values_list if val in ('None', 'Flexible'))
        # 计算百分比
        percentage = flexible_count / total_elements
        # 格式化为保留两位小数的字符串
        result_dict[key] = f"{percentage:.2f}"
    
    return result_dict

def percentages(df2):
    dict1 = {}
    for items in range(len(df2)):
        key = df2.iloc[items, 0]
        values = df2.iloc[items, 1]
        dict1.setdefault(key, [])
        dict1[key].append(values)
    return dict1  # 添加返回语句

方法二：更高效的Pandas原生实现 #

直接利用Pandas的分组功能，避免手动构建字典，性能更优：

import pandas as pd

def course_prereq_flexibility(fn):
    df = pd.read_csv(fn)
    
    # 按area分组，计算每组中符合条件的元素占比
    flexibility_ratios = df.groupby('area')['prereq_type'].apply(
        lambda group: sum(group.isin(['None', 'Flexible'])) / len(group)
    )
    
    # 格式化为保留两位小数的字符串，并转换为字典
    result_dict = flexibility_ratios.apply(lambda x: f"{x:.2f}").to_dict()
    
    return result_dict

说明 #

• 两种方法都会返回符合要求的字典，键为area名称，值为保留两位小数的百分比字符串。
• 注意：你的示例输入中French的所有值都是'Hard'，按要求计算应得到"0.00"，但你给出的期望输出是"1.00"，这可能是笔误。如果实际需求是统计'Hard'的占比，只需将判断条件改为val == 'Hard'即可。

内容的提问来源于stack exchange，提问作者penny