我有几个词典,我想组合,如果一个键在多个词典中,值将被加在一起.例如:

d1 = {1: 10, 2: 20, 3: 30}
d2 = {1: 1, 2: 2, 3: 3}
d3 = {0: 0}

merged = {1: 11, 2: 22, 3: 33, 0: 0}

在Python中执行此操作的最佳方法是什么？我正在看defaultdict并试图找出一些东西.我正在使用Python 2.6.

我有一个现有的字典,我想在这个字典中添加一个元组列表.

现有字典结构:

myD = {'key1': 123 , 'key2': 456}

元组结构列表:

myL = [('fkey1',321),('fkey2',432),('fkey3',543)]

添加元组列表后的预期字典

myD = {'key1': 123 ,'key2': 456 ,'fkey': 321 ,'fkey2': 432 ,'fkey3': 543}

我怎么能在python中实现这个？

题

根据此答案，在Python 3.5或更高版本中，可以合并两个字典x并y解压缩它们：

z = {**x, **y}

是否可以解压缩各种字典表？就像是

def merge(*dicts):
    return {***dicts} # this fails, of course. What should I use here?

例如，我希望

list_of_dicts = [{'a': 1, 'b': 2}, {'c': 3}, {'d': 4}]
{***list_of_dicts} == {'a': 1, 'b': 2, 'c': 3, 'd': 4}

请注意，此问题不是关于如何合并字典列表的问题，因为上面的链接提供了对此的答案。这里的问题是：是否有可能以及如何解压缩字典列表？

编辑

正如评论指出，这个问题是非常相似的这一个。但是，解压缩字典列表与简单地合并它们是不同的。假设有一个运算符***旨在解开字典列表，并给出

def print_values(a, b, c, d):
    print('a =', a)
    print('b =', b)
    print('c =', c)
    print('d =', d)

list_of_dicts = [{'a': 1, 'b': …

我有一个 pandas 数据框（示例）如下

df = pd.DataFrame({'Country':['India', 'China', 'Nepal'],
          'Habitat':[[{'city1':'Ind1','city2':'Ind2'},{'town1':'IndT1','town2':'IndT2'}],
                     [{'city1':'Chi1','city2':'Chi2'},{'town1':'ChiT1','town2':'ChiT2'}],
                     [{'city1':'Nep1','city2':'Nep2'},{'town1':'NepT1','town2':'NepT2'}]],
            'num':[1,2,3]
          })

df

    Country                                                           Habitat   num
0   India   [{'city1':'Ind1','city2':'Ind2'},{'town1':'IndT1','town2':'IndT2'}] 1
1   China   [{'city1':'Chi1','city2':'Chi2'},{'town1':'ChiT1','town2':'ChiT2'}] 2
2   Nepal   [{'city1':'Nep1','city2':'Nep2'},{'town1':'NepT1','town2':'NepT2'}] 3

我需要以这种格式将其展平。

result_df = pd.DataFrame({'Country':['India', 'China', 'Nepal'],
          'Habitat.city1':['Ind1','Chi1','Nep1'],
            'Habitat.city2':['Ind2','Chi2','Nep2'],
            'Habitat.town1':['IndT1','ChiT1','NepT1'],
            'Habitat.town2':['IndT2','ChiT2','NepT2'],
            'num':[1,2,3]
          })

结果_df

    Country Habitat.city1   Habitat.city2   Habitat.town1   Habitat.town2   num
    India       Ind1            Ind2            IndT1           IndT2       1
    China       Chi1            Chi2            ChiT1           ChiT2       2
    Nepal       Nep1            Nep2            NepT1           NepT2       3

我已经尝试过pd.json_normalize(df.explode('Habitat')['Habitat])，但它创建了我不需要的新行。

我的观察：某种形式的 groupby 和 transpose 可以正确地构建pd.json_normalize(df.explode('Habitat')['Habitat])可以解决我的问题，但到目前为止我还没有任何运气

目前我正在使用假设 fixed_dictionaries 策略来生成一个字典，其中包含被认为对我的应用程序有效的特定键和数据类型。我需要一个策略来生成这个固定的字典以及其他删除特定键的字典。或者具有特定最小键集和可选附加键的字典，最好以产生这些可选键的各种组合的方式。

这是需要验证的 json 架构示例，带有 2 个可选字段。我想为此模式生成所有可能的有效数据。

'user_stub': {
    '_id':        {'type': 'string'},
    'username':   {'type': 'string'},
    'social':     {'type': 'string'},
    'api_name':   {'type':     'string',
                   'required': False},
    'profile_id': {'type':     'integer',
                   'required': False},
}

这是我想出的，但它是不正确的，因为它保留了键，但使用 None 作为值，而我想要删除键。

return st.fixed_dictionaries({
    '_id':        st.text(),
    'username':   st.text(),
    'social':     st.text(),
    'api_name':   st.one_of(st.none(),
                            st.text()),
    'profile_id': st.one_of(st.none(),
                            st.integers()),
})

编辑：更新复合策略 ->

似乎最好根据返回的数据类型分离额外的可选字典，否则可能会得到值不匹配的键。

@st.composite
def generate_data(draw):
    base_data = st.fixed_dictionaries({
        '_id':      st.text(),
        'username': st.text(),
        'social':   st.text(),
    })
    optional_strs = st.dictionaries(
        keys=st.just('api_name'),
        values=st.text()
    )
    optional_ints = st.dictionaries(
        keys=st.just('profile_id'),
        values=st.integers()
    )

    b = draw(base_data)
    s …

我用pySpark训练了一个随机森林。我想在结果中每个网格点都有一个csv。我的代码是：

estimator = RandomForestRegressor()
evaluator = RegressionEvaluator()
paramGrid = ParamGridBuilder().addGrid(estimator.numTrees, [2,3])\
                              .addGrid(estimator.maxDepth, [2,3])\
                              .addGrid(estimator.impurity, ['variance'])\
                              .addGrid(estimator.featureSubsetStrategy, ['sqrt'])\
                              .build()
pipeline = Pipeline(stages=[estimator])

crossval = CrossValidator(estimator=pipeline,
                          estimatorParamMaps=paramGrid,
                          evaluator=evaluator,
                          numFolds=3)

cvModel = crossval.fit(result)

所以我想要一个csv：

numTrees | maxDepth | impurityMeasure 

2            2          0.001 

2            3          0.00023

等等

做这个的最好方式是什么？

我有一个清单，说：

NUM = 100
my_list = list(range(NUM))

我想生成一个dict键等于值的东西，比如：

my_dict = {item: item for item in my_list}

或者：

my_dict = dict(zip(my_list, my_list))

我已经运行了一些微基准测试，看起来它们的速度相似，但我希望第二个会更快，因为循环应该在 C 中发生。

例如，以下构造：

my_dict = {key: SOMETHING for key in keys}

翻译成更快：

my_dict = dict.fromkeys(k, SOMETHING)

所以，我的问题是：有没有类似的这样的构造{x: x for x in my_list}？

编辑

我已经检查过dir(dict)，在这个方向上似乎没有任何东西（我希望它被称为类似的东西dict.fromitems()）。

编辑 2

dict.fromitems()与此特定用例相比，类似的方法具有更广泛的应用，因为：

dict.fromitems(keys, values)

原则上可以同时替代两者：

{k, v for k, v in zip(keys, values)}

和：

dict(zip(keys, values))

我正在使用glom项目.

有没有办法转换[{"id": 1, "name": "foo"}, {"id": 2, "name": "bar"}]成{1: "foo", 2: "bar"}？

对 python 来说相当陌生，所以这可能看起来很菜鸟。我创建了两个 .line 格式的基本地图（对我来说是新的），每个地图都使用 matplotlib 显示不同的功能。这些地图是从单独的形状文件转换而来的。现在我需要将这两个 .line 地图合并为一个。

任何想法将不胜感激。TY。

我有一本以下格式的字典：

data = {
    'Bob': {
        'age': 12,
        'weight': 150,
        'eye_color': 'blue'
    },
    'Jim': {
        'favorite_food': 'cherries',
        'sport': 'baseball',
        'hobby': 'running'
    },
    'Tom': {
        'strength': 'average',
        'endurance': 'high',
        'heart_rate': 'low'
    }
}

将 dict 中的所有字典连接成一个新字典的最 Pythonic 方法是什么，这样我最终会得到如下所示的结果：

new_dict = {
    'age': 12,
    'weight': 150,
    'eye_color': 'blue',
    'favorite_food': 'cherries',
    'sport': 'baseball',
    'hobby': 'running',
    'strength': 'average',
    'endurance': 'high',
    'heart_rate': 'low'
}