如何在字典中查找重复条目并对重复值取平均值生成新项
电影重复条目去重与评分平均实现方案
实现思路
- 核心识别规则:以电影标题作为重复条目的判断依据,同标题记录判定为同一部电影
- 聚合逻辑:遍历原始字典所有条目,按标题汇总所有评分,同时存储电影类型(默认同电影类型字段一致)
- 计算逻辑:对每个电影的所有评分求和后除以条目数得到平均分,可按需调整保留的小数位数
- 结果生成:生成去重后的新字典,支持沿用原ID或重新生成ID
代码实现
# 样例原始数据 original_data = { '580': ['4.0', 'Jurassic Park (1993)', ['Action', 'Adventure', 'Sci-Fi', 'Thriller']], '264': ['4.0', 'Mask, The (1994)', ['Action', 'Comedy', 'Crime', 'Fantasy', 'Thriller']], '370': ['4.5', "Amelie) (2001)", ['Comedy', 'Romance', 'Thriller']], '312': ['3.0', 'Die Hard (1988)', ['Action', 'Crime', 'Thriller']], '166': ['3.5', 'Fugitive, The (1993)', ['Thriller']], '195': ['4.5', 'Fugitive, The (1993)', ['Thriller']] } # 按电影标题聚合评分和类型 movie_agg = {} for item in original_data.values(): score = float(item[0]) title = item[1] genres = item[2] if title not in movie_agg: movie_agg[title] = { 'scores': [score], 'genres': genres } else: movie_agg[title]['scores'].append(score) # 计算平均分生成去重后新字典,这里演示按序列生成新ID,如需保留原ID可在聚合阶段存储对应ID new_data = {} for idx, (title, info) in enumerate(movie_agg.items(), start=1): avg_score = sum(info['scores']) / len(info['scores']) # 平均分保留1位小数,可按需修改精度 new_data[str(idx)] = [f"{avg_score:.1f}", title, info['genres']] print(new_data)
运行结果说明
样例中重复的《Fugitive, The (1993)》评分会计算为(3.5+4.5)/2 = 4.0,其他无重复的电影保留原有评分。
注意:如果数据集存在标题相同但类型不同的异常数据,可根据需求调整类型处理规则,例如合并去重所有类型、取出现次数最多的类型等。
内容的提问来源于stack exchange,提问作者r3cc
相关产品推荐
相关产品推荐

