需要帮助制作函数 sumcounts(D) 其中 D 是一个以数字为值的字典,返回所有值的总和。示例输出应如下所示:
>>> sumcounts({"a":2.5, "b":7.5, "c":100})
110.0
>>> sumcounts({ })
0
>>> sumcounts(strcount("a a a b"))
4
需要帮助制作函数 sumcounts(D) 其中 D 是一个以数字为值的字典,返回所有值的总和。示例输出应如下所示:
>>> sumcounts({"a":2.5, "b":7.5, "c":100})
110.0
>>> sumcounts({ })
0
>>> sumcounts(strcount("a a a b"))
4
它已经在那里了:
sum(d.values())
或者也许是:
def sumcount(d):
return sum(d.values())
我不确定您对字典的了解是什么,所以我假设最低限度。
total
变量并将其设置为0
.for x in y
使用正常语法遍历字典中的所有键。your_dict[key_name]
。total
.Michael已经发布了常规的 Pythonic 解决方案。
上面迈克尔给出的答案是正确的!
我想建议,如果您要使用大型数据集来查看最优秀的Pandas Python 框架。(对于您的问题可能有点矫枉过正,但值得一看)
例如,它接受字典并将其转换为数据集
yourdict = {"a":2.5, "b":7.5, "c":100}
dataframe = pandas.Series(yourdict)
你现在有一个非常强大的数据框,你可以做很多简洁的事情,包括求和
sum = dateframe.sum()
您还可以轻松绘制它,将其保存到 excel、CSV、获取平均值、标准差等...
dateframe.plot() # plots is in matplotlib
dateframe.mean() # gets the mean
dateframe.std() # gets the standard deviation
dataframe.to_csv('name.csv') # writes to csv file
我真的可以推荐熊猫。它改变了我使用 Python 进行数据业务的方式......顺便说一下,它与 R 数据框架相比很好。