Python遍历数据集统计教育水平出现次数生成频率字典

现有代码的两个核心错误 #

• 初始化逻辑错误：你写的字典推导式外层套了方括号[]，生成的是由多个单键字典组成的列表，而不是我们需要的单个频率统计字典
• 遍历统计逻辑错误：
  1. 错误地将数据条目的教育水平字段和整个频率字典做等值判断，该条件永远不成立
  2. 累加计数时用整个数据条目entry作为字典键，而非教育水平字符串

修正后的完整代码 #

首先初始化符合要求的频率字典：

# 正确初始化：生成单个字典，所有指定教育水平初始值为0
education_level_frequencies = {level: 0 for level in unique_education_levels}

再修正遍历统计逻辑：

for entry in salary_data:
    edu_level = entry['Education']
    # 仅统计列表中存在的教育水平
    if edu_level in education_level_frequencies:
        education_level_frequencies[edu_level] += 1

运行结果 #

针对你给出的示例数据集，最终输出为：

{
    'A - No HS Diploma': 2,
    'B - HS Diploma': 2,
    'C - Some College': 0,
    'D - Associates': 0,
    'E - Bachelors': 4,
    'F - Graduate Degree': 2
}

可选简化方案（使用标准库） #

如果希望代码更简洁，可以配合collections.Counter实现，同样能保证覆盖所有指定的教育水平：

from collections import Counter

# 先统计数据集中所有教育水平的出现次数
counts = Counter(entry['Education'] for entry in salary_data)
# 合并到包含所有唯一教育水平的字典中，未出现的项默认值为0
education_level_frequencies = {level: counts.get(level, 0) for level in unique_education_levels}

内容的提问来源于stack exchange，提问作者imkusoh