我有这样的一组键值对：
{ 'key1': [value1_1, value2_1, value3_1, ...], 'key2': [value1_2, value2_2, value3_2, ...], ... }
还有一个与值列表顺序相同的列表，其中包含每个变量应应用的权重。所以看起来像[weight_1, weight_2, weight_3, ...]。
[weight_1, weight_2, weight_3, ...]
我的目标是最终得到一个有序的键列表，该键列表具有最高的总得分值。请注意，并非所有值都经过标准化/标准化，因此value1_x的范围可能为1-10，但value2_x的范围可能是1-100000。这对我来说是个棘手的部分，因为我必须以某种方式将数据标准化。
我正在尝试使该算法能够按比例缩放以适应许多不同的值，因此它将花费相同的时间（1或100）（或者至少是对数时间）。那可能吗？有什么真正有效的方法可以解决这个问题吗？
您无法获得线性时间，但可以更快地完成。对我来说，这看起来像是一个矩阵乘法，所以我建议您使用numpy：
numpy
import numpy as np keys = ['key1', 'key2', 'key3'] values = np.matrix([ [1.1, 1.2, 1.3, 1.4], [2.1, 2.2, 2.3, 2.4], [3.1, 3.2, 3.3, 3.4] ]) weights = np.matrix([[10., 20., 30., 40.]]).transpose() res = (values * weights).transpose().tolist()[0] items = zip(res, keys) items.sort(reverse=True)
这使
[(330.0, 'key3'), (230.0, 'key2'), (130.0, 'key1')]
编辑： 有感谢@Ondro为np.dot并以@unutbu为np.argsort，这里是numpy的完全的改进版本：
import numpy as np # set up values keys = np.array(['key1', 'key2', 'key3']) values = np.array([ [1.1, 1.2, 1.3, 1.4], # values1_x [2.1, 2.2, 2.3, 2.4], # values2_x [3.1, 3.2, 3.3, 3.4] # values3_x ]) weights = np.array([10., 20., 30., 40.]) # crunch the numbers res = np.dot(values, -weights) # negative of weights! order = res.argsort(axis=0) # sorting on negative value gives # same order as reverse-sort; there does # not seem to be any way to reverse-sort # directly sortedkeys = keys[order].tolist()
结果是['key3', 'key2', 'key1']。
['key3', 'key2', 'key1']
