如何创建一个函数（迭代/递归）来运行 Python 中的元组字典？

Question

我有一个这样的列表的 Python 字典：

d = {'A': [(4, 4, 3), [1, 2, 3, 4, 5]],
     'B': [(2, 1, 2), [5, 4, 3, 2, 1]],
     'C': [(4, 1, 1), [2, 4, 1, 2, 4]]}

我需要创建一个公式来访问字典的元素，并且对于每个值 [t, l]：

• 计算t 的平均值（我们称之为m）；
• 从l 抽取随机样本s，替换为长度len(t)；
• 如果m 大于s 的平均值，则将m 与s 的平均值-True 进行比较，否则False；
• 重复此过程 10,000 次
• 返回m 大于s 平均值的次数百分比。

输出应如下所示：

In [16]: test(d)   
Out[16]: {'A': 0.5, 'B': 0.9, 'C': 0.4}

我想我离答案不远了，这就是我尝试过的：

def test(dict):
    def mean_diff(dict):
        for k, (v0, v1) in dict.iteritems():
            m = np.mean(v0) > (np.mean(npr.choice(v1, size=(1, len(v0)), replace=True)))
            return ({k: m})
    for k, (v0, v1) in dict.iteritems():
        bootstrap = np.array([means_diff(dict) for _ in range(10000)])
        rank = float(np.sum(bootstrap))/10000
        return ({k: rank})

但是，我得到了：

RuntimeError: maximum recursion depth exceeded while calling a Python object

Answer 1

我会使用一个列表推导，它本质上选择一个随机值并将其与平均值进行比较。这将产生一个真/假列表。如果您取平均值，它将对 1 和 0 的列表进行平均，因此它会为您提供总概率。

import numpy as np

d = {'A': [(4, 4, 3), [1, 2, 3, 4, 5]],
     'B': [(2, 1, 2), [5, 4, 3, 2, 1]],
     'C': [(4, 1, 1), [2, 4, 1, 2, 4]]}

def makeRanks(d):
    rankDict = {}
    for key in d:
        tup = d[key][0]
        mean = np.mean(tup)
        l = d[key][1]
        rank = np.mean([mean > np.mean(np.random.choice(l,len(tup))) for _ in range(10000)])
        rankDict[key] = rank
    return rankDict

测试

>>> makeRanks(d)
{'C': 0.15529999999999999, 'A': 0.72130000000000005, 'B': 0.031899999999999998}