越来越关键的最大价值在字典？

https://stackoverflow.com/questions/268272

06-07-2019
|

题

我有一个 dictionary:钥匙是串，值均为整数。

例如：

stats = {'a':1000, 'b':3000, 'c': 100}

我想得到 'b' 作为回答，因为这是关键的一个更高的价值。

我没有下文中，使用一个中间名单与反键值元组:

inverse = [(value, key) for key, value in stats.items()]
print max(inverse)[1]

是一个更好的(或者更加优雅的)办法吗？

解决方案

您可以使用 operator.itemgetter ：

import operator
stats = {'a':1000, 'b':3000, 'c': 100}
max(stats.iteritems(), key=operator.itemgetter(1))[0]

而不是在内存中构建新列表使用 stats.iteritems（）。 max（）函数的 key 参数是一个计算用于确定如何对项目进行排名的键的函数。

请注意，如果您要使用另一个键值对'd'：3000，此方法只会返回一个两个，即使它们都有最大值。

>>> import operator
>>> stats = {'a':1000, 'b':3000, 'c': 100, 'd':3000}
>>> max(stats.iteritems(), key=operator.itemgetter(1))[0]
'b'

如果使用Python3：

>>> max(stats.items(), key=operator.itemgetter(1))[0]
'b'

其他提示

max(stats, key=stats.get)

我测试了很多变种，这是以最大值返回dict键的最快方法：

def keywithmaxval(d):
     """ a) create a list of the dict's keys and values; 
         b) return the key with the max value"""  
     v=list(d.values())
     k=list(d.keys())
     return k[v.index(max(v))]

为了给你一个想法，这里有一些候选方法：

def f1():  
     v=list(d1.values())
     k=list(d1.keys())
     return k[v.index(max(v))]

def f2():
    d3={v:k for k,v in d1.items()}
    return d3[max(d3)]

def f3():
    return list(filter(lambda t: t[1]==max(d1.values()), d1.items()))[0][0]    

def f3b():
    # same as f3 but remove the call to max from the lambda
    m=max(d1.values())
    return list(filter(lambda t: t[1]==m, d1.items()))[0][0]        

def f4():
    return [k for k,v in d1.items() if v==max(d1.values())][0]    

def f4b():
    # same as f4 but remove the max from the comprehension
    m=max(d1.values())
    return [k for k,v in d1.items() if v==m][0]        

def f5():
    return max(d1.items(), key=operator.itemgetter(1))[0]    

def f6():
    return max(d1,key=d1.get)     

def f7():
     """ a) create a list of the dict's keys and values; 
         b) return the key with the max value"""    
     v=list(d1.values())
     return list(d1.keys())[v.index(max(v))]    

def f8():
     return max(d1, key=lambda k: d1[k])     

tl=[f1,f2, f3b, f4b, f5, f6, f7, f8, f4,f3]     
cmpthese.cmpthese(tl,c=100)

测试词典：

d1={1: 1, 2: 2, 3: 8, 4: 3, 5: 6, 6: 9, 7: 17, 8: 4, 9: 20, 10: 7, 11: 15, 
    12: 10, 13: 10, 14: 18, 15: 18, 16: 5, 17: 13, 18: 21, 19: 21, 20: 8, 
    21: 8, 22: 16, 23: 16, 24: 11, 25: 24, 26: 11, 27: 112, 28: 19, 29: 19, 
    30: 19, 3077: 36, 32: 6, 33: 27, 34: 14, 35: 14, 36: 22, 4102: 39, 38: 22, 
    39: 35, 40: 9, 41: 110, 42: 9, 43: 30, 44: 17, 45: 17, 46: 17, 47: 105, 48: 12, 
    49: 25, 50: 25, 51: 25, 52: 12, 53: 12, 54: 113, 1079: 50, 56: 20, 57: 33, 
    58: 20, 59: 33, 60: 20, 61: 20, 62: 108, 63: 108, 64: 7, 65: 28, 66: 28, 67: 28, 
    68: 15, 69: 15, 70: 15, 71: 103, 72: 23, 73: 116, 74: 23, 75: 15, 76: 23, 77: 23, 
    78: 36, 79: 36, 80: 10, 81: 23, 82: 111, 83: 111, 84: 10, 85: 10, 86: 31, 87: 31, 
    88: 18, 89: 31, 90: 18, 91: 93, 92: 18, 93: 18, 94: 106, 95: 106, 96: 13, 9232: 35, 
    98: 26, 99: 26, 100: 26, 101: 26, 103: 88, 104: 13, 106: 13, 107: 101, 1132: 63, 
    2158: 51, 112: 21, 113: 13, 116: 21, 118: 34, 119: 34, 7288: 45, 121: 96, 122: 21, 
    124: 109, 125: 109, 128: 8, 1154: 32, 131: 29, 134: 29, 136: 16, 137: 91, 140: 16, 
    142: 104, 143: 104, 146: 117, 148: 24, 149: 24, 152: 24, 154: 24, 155: 86, 160: 11, 
    161: 99, 1186: 76, 3238: 49, 167: 68, 170: 11, 172: 32, 175: 81, 178: 32, 179: 32, 
    182: 94, 184: 19, 31: 107, 188: 107, 190: 107, 196: 27, 197: 27, 202: 27, 206: 89, 
    208: 14, 214: 102, 215: 102, 220: 115, 37: 22, 224: 22, 226: 14, 232: 22, 233: 84, 
    238: 35, 242: 97, 244: 22, 250: 110, 251: 66, 1276: 58, 256: 9, 2308: 33, 262: 30, 
    263: 79, 268: 30, 269: 30, 274: 92, 1300: 27, 280: 17, 283: 61, 286: 105, 292: 118, 
    296: 25, 298: 25, 304: 25, 310: 87, 1336: 71, 319: 56, 322: 100, 323: 100, 325: 25, 
    55: 113, 334: 69, 340: 12, 1367: 40, 350: 82, 358: 33, 364: 95, 376: 108, 
    377: 64, 2429: 46, 394: 28, 395: 77, 404: 28, 412: 90, 1438: 53, 425: 59, 430: 103, 
    1456: 97, 433: 28, 445: 72, 448: 23, 466: 85, 479: 54, 484: 98, 485: 98, 488: 23, 
    6154: 37, 502: 67, 4616: 34, 526: 80, 538: 31, 566: 62, 3644: 44, 577: 31, 97: 119, 
    592: 26, 593: 75, 1619: 48, 638: 57, 646: 101, 650: 26, 110: 114, 668: 70, 2734: 41, 
    700: 83, 1732: 30, 719: 52, 728: 96, 754: 65, 1780: 74, 4858: 47, 130: 29, 790: 78, 
    1822: 43, 2051: 38, 808: 29, 850: 60, 866: 29, 890: 73, 911: 42, 958: 55, 970: 99, 
    976: 24, 166: 112}

Python 3.2下的测试结果：

    rate/sec       f4      f3    f3b     f8     f5     f2    f4b     f6     f7     f1
f4       454       --   -2.5% -96.9% -97.5% -98.6% -98.6% -98.7% -98.7% -98.9% -99.0%
f3       466     2.6%      -- -96.8% -97.4% -98.6% -98.6% -98.6% -98.7% -98.9% -99.0%
f3b   14,715  3138.9% 3057.4%     -- -18.6% -55.5% -56.0% -56.4% -58.3% -63.8% -68.4%
f8    18,070  3877.3% 3777.3%  22.8%     -- -45.4% -45.9% -46.5% -48.8% -55.5% -61.2%
f5    33,091  7183.7% 7000.5% 124.9%  83.1%     --  -1.0%  -2.0%  -6.3% -18.6% -29.0%
f2    33,423  7256.8% 7071.8% 127.1%  85.0%   1.0%     --  -1.0%  -5.3% -17.7% -28.3%
f4b   33,762  7331.4% 7144.6% 129.4%  86.8%   2.0%   1.0%     --  -4.4% -16.9% -27.5%
f6    35,300  7669.8% 7474.4% 139.9%  95.4%   6.7%   5.6%   4.6%     -- -13.1% -24.2%
f7    40,631  8843.2% 8618.3% 176.1% 124.9%  22.8%  21.6%  20.3%  15.1%     -- -12.8%
f1    46,598 10156.7% 9898.8% 216.7% 157.9%  40.8%  39.4%  38.0%  32.0%  14.7%     --

在Python 2.7下：

    rate/sec       f3       f4     f8    f3b     f6     f5     f2    f4b     f7     f1
f3       384       --    -2.6% -97.1% -97.2% -97.9% -97.9% -98.0% -98.2% -98.5% -99.2%
f4       394     2.6%       -- -97.0% -97.2% -97.8% -97.9% -98.0% -98.1% -98.5% -99.1%
f8    13,079  3303.3%  3216.1%     --  -5.6% -28.6% -29.9% -32.8% -38.3% -49.7% -71.2%
f3b   13,852  3504.5%  3412.1%   5.9%     -- -24.4% -25.8% -28.9% -34.6% -46.7% -69.5%
f6    18,325  4668.4%  4546.2%  40.1%  32.3%     --  -1.8%  -5.9% -13.5% -29.5% -59.6%
f5    18,664  4756.5%  4632.0%  42.7%  34.7%   1.8%     --  -4.1% -11.9% -28.2% -58.8%
f2    19,470  4966.4%  4836.5%  48.9%  40.6%   6.2%   4.3%     --  -8.1% -25.1% -57.1%
f4b   21,187  5413.0%  5271.7%  62.0%  52.9%  15.6%  13.5%   8.8%     -- -18.5% -53.3%
f7    26,002  6665.8%  6492.4%  98.8%  87.7%  41.9%  39.3%  33.5%  22.7%     -- -42.7%
f1    45,354 11701.5% 11399.0% 246.8% 227.4% 147.5% 143.0% 132.9% 114.1%  74.4%     --

你可以看到 f1 在Python 3.2和2.7下是最快的（或者更完整地，在这篇文章的顶部是 keywithmaxval ）

如果您只需要知道具有最大值的键，则可以在没有 iterkeys 或 iteritems 的情况下执行此操作，因为Python中的字典迭代是通过它的键进行迭代。 / p>

max_key = max(stats, key=lambda k: stats[k])

修改

来自评论，@ user1274878：


我是python的新手。你能解释一下你的答案吗？

是的...

最大


max（iterable [，key]）

max（arg1，arg2，* args [，key]）

返回可迭代中的最大项或两个或多个参数中的最大项。

可选的 key 参数描述了如何比较元素以获得最大值：

lambda <item>: return <a result of operation with item>

将比较返回值。

字典

Python dict是一个哈希表。 dict的一个关键是声明为键的对象的哈希。由于性能原因，迭代通过dict实现为迭代通过它的键。

因此我们可以用它来摆脱获取密钥列表的操作。

封闭


在另一个函数中定义的函数称为嵌套函数。嵌套函数可以访问封闭范围的变量。

lambs 变量可通过 lambda 函数的 __ closure __ 属性获得，作为指向父作用域中定义的变量值的指针。

这是另一个：

stats = {'a':1000, 'b':3000, 'c': 100} max(stats.iterkeys(), key=lambda k: stats[k])

函数 key 只返回应该用于排名的值， max（）立即返回所需的元素。

key, value = max(stats.iteritems(), key=lambda x:x[1])

如果你不关心价值（我会感到惊讶，但是）你可以这样做：

key, _ = max(stats.iteritems(), key=lambda x:x[1])

我喜欢元组解包比表达式末尾的[0]下标更好。我从不喜欢lambda表达式的可读性，但发现这个比operator.itemgetter（1）更好。

示例：

stats = {'a':1000, 'b':3000, 'c': 100}

如果你想用它的键找到最大值，也许后续可能很简单，没有任何相关的功能。

max(stats, key=stats.get)

输出是具有最大值的键。

鉴于我有多个条目，我有最大值。我会列出具有最大值作为其值的键。

>>> stats = {'a':1000, 'b':3000, 'c': 100, 'd':3000} >>> [key for m in [max(stats.values())] for key,val in stats.iteritems() if val == m] ['b', 'd']

这将为您提供'b'和任何其他最大密钥。

注意：对于python 3，使用 stats.items（）而不是 stats.iteritems（）

获得最大的key/value的字典 stats:

stats = {'a':1000, 'b':3000, 'c': 100}

基于上钥匙

>>> max(stats.items(), key = lambda x: x[0]) ('c', 100)

基于上值

>>> max(stats.items(), key = lambda x: x[1]) ('b', 3000)

当然，如果你想得到的只有关键的或价值或从结果，可以使用tuple索引。例如，拿到钥匙对应于最大值：

>>> max(stats.items(), key = lambda x: x[1])[0] 'b'

解释

该词典方法 items() 在Python3返回图象该词典。在这个图象迭代过，由 max 功能，它产生的辞典项目作组的形式 (key, value).

>>> list(stats.items()) [('c', 100), ('b', 3000), ('a', 1000)]

当你使用 lambda 表达 lambda x: x[1], 在每次迭代， x 是一个这些组 (key, value).因此，通过选择正确的指标，可以选择是否要通过比较键或价值观。

蟒蛇2

Python2.2+稿，同样的代码会的工作。然而，更好的使用 iteritems() 词典方法，而不是的 items() 对性能。

注意到

这答案是根据上的评论 Climbs_lika_Spyder的答案.

用代码进行测试Python3.5.2和Python2.7.10.

d = {'A': 4,'B':10} min_v = min(zip(d.values(), d.keys())) # min_v is (4,'A') max_v = max(zip(d.values(), d.keys())) # max_v is (10,'B')

根据所选答案中的评论，通过迭代解决方案......

在Python 3中：

max(stats.keys(), key=(lambda k: stats[k]))

在Python 2中：

max(stats.iterkeys(), key=(lambda k: stats[k]))

使用 collections.Counter ，你可以做到

>>> import collections >>> stats = {'a':1000, 'b':3000, 'c': 100} >>> stats = collections.Counter(stats) >>> stats.most_common(1) [('b', 3000)]

如果合适，你可以简单地从一个空的 collections.Counter 开始并添加到它

>>> stats = collections.Counter() >>> stats['a'] += 1 : etc.

我在这里寻找如何根据 mydict.values（）的值返回 mydict.keys（）。我只想返回顶部的 x 值，而不是只返回一个键。

此解决方案比使用 max（）函数更简单，您可以轻松更改返回值的数量：

stats = {'a':1000, 'b':3000, 'c': 100} x = sorted(stats, key=(lambda key:stats[key]), reverse=True) ['b', 'a', 'c']

如果您想要单个最高排名的密钥，只需使用索引：

x[0] ['b']

如果您想要排名前两位的最高排名，只需使用列表切片：

x[:2] ['b', 'a']

谢谢，非常优雅，我不记得max允许“关键”参数。
顺便说一句，要获得正确答案（'b'），必须是：

import operator stats = {'a':1000, 'b':3000, 'c': 100} max(stats.iteritems(), key=operator.itemgetter(1))[0]

max（键的值，键），stats.items（）中的值）[1]

Counter = 0 for word in stats.keys(): if stats[word]> counter: Counter = stats [word] print Counter

+1来 @Aric Coady 最简单解。点击还有一种方法可以在字典中随机选择一个具有最大值的键：

stats = {'a':1000, 'b':3000, 'c': 100, 'd':3000} import random maxV = max(stats.values()) # Choice is one of the keys with max value choice = random.choice([key for key, value in stats.items() if value == maxV])

堆队列是通用解决方案，它允许您提取按值排序的顶部 n 键：

from heapq import nlargest stats = {'a':1000, 'b':3000, 'c': 100} res1 = nlargest(1, stats, key=stats.__getitem__) # ['b'] res2 = nlargest(2, stats, key=stats.__getitem__) # ['b', 'a'] res1_val = next(iter(res1)) # 'b'

注意 dict .__ getitem __ 是语法糖 dict [] 调用的方法。与 dict.get 相反，如果找不到密钥，它将返回 KeyError ，这里不会发生。

我在一个非常基本的循环中测试了已接受的答案和@ thewolf最快的解决方案，并且循环比两者都快：

import time import operator d = {"a"+str(i): i for i in range(1000000)} def t1(dct): mx = float("-inf") key = None for k,v in dct.items(): if v > mx: mx = v key = k return key def t2(dct): v=list(dct.values()) k=list(dct.keys()) return k[v.index(max(v))] def t3(dct): return max(dct.items(),key=operator.itemgetter(1))[0] start = time.time() for i in range(25): m = t1(d) end = time.time() print ("Iterating: "+str(end-start)) start = time.time() for i in range(25): m = t2(d) end = time.time() print ("List creating: "+str(end-start)) start = time.time() for i in range(25): m = t3(d) end = time.time() print ("Accepted answer: "+str(end-start))

结果：

Iterating: 3.8201940059661865 List creating: 6.928712844848633 Accepted answer: 5.464320182800293

怎么样：

max(zip(stats.keys(), stats.values()), key=lambda t : t[1])[0]

许可以下： CC-BY-SA 和归因

不隶属于 StackOverflow