Python嵌套字典按数值区间分组统计各区间元素数量实现问题

方案1：纯Python输出目标字典 #

先明确区间判定规则和示例完全对齐：

• 1-3：词频≤3
• 3-5：3<词频≤5
• 5-7：5<词频≤7
• 7-10：7<词频≤10
• 10+：词频>10

实现代码：

# 初始输入字典
raw_data = {
    938742158: {'car': 3, 'yes': 5, 'none': 6, 'bi': 5, 'new': 4, 'service': 2, 'color': 8, 'have': 6, 'back': 5}, 
    938735955: {'car': 5, 'my': 11, 'note': 5, 'dir': 3, 'led': 6, 'r': 3, 'line': 10}
}

def count_bucket(word_counts):
    # 初始化所有区间计数为0
    res = {'1-3': 0, '3-5': 0, '5-7': 0, '7-10': 0, '10+': 0}
    for cnt in word_counts.values():
        if cnt <= 3:
            res['1-3'] += 1
        elif cnt <= 5:
            res['3-5'] += 1
        elif cnt <= 7:
            res['5-7'] += 1
        elif cnt <= 10:
            res['7-10'] += 1
        else:
            res['10+'] += 1
    return res

# 遍历所有文本id生成结果
result = {text_id: count_bucket(counts) for text_id, counts in raw_data.items()}

打印结果和你预期完全一致：

print(result)
# 输出：{938742158: {'1-3': 2, '3-5': 4, '5-7': 2, '7-10': 1, '10+': 0}, 938735955: {'1-3': 2, '3-5': 2, '5-7': 1, '7-10': 1, '10+': 1}}

方案2：输出Pandas DataFrame格式 #

如果需要转为表格形式的DataFrame，追加以下代码即可：

import pandas as pd
df = pd.DataFrame.from_dict(result, orient='index')
# 可选：将文本id从索引转为普通列
df = df.reset_index().rename(columns={'index': '文本id'})
print(df)

输出效果：

内容的提问来源于stack exchange，提问作者uckocaman