已知8个同学的“姓名、体重”数据，存入以下字典wDict；找出超过平均体重的“姓名、体重”。 wDict={"李英":60.5,"陈操":52.3,"钟浩":78,"胡蕾":82.8,"董蓓":54,"刘浜":76.3,"孙泉":58.5,"何珑":71}

以下是两种方法来找出超过平均体重的“姓名、体重”：
1.使用字典遍历

wDict={"李英":60.5,"陈操":52.3,"钟浩":78,"胡蕾":82.8,"董蓓":54,"刘浜":76.3,"孙泉":58.5,"何珑":71}
# 计算平均体重
average = sum(wDict.values())/len(wDict)
# 遍历字典，找出超过平均体重的“姓名、体重”
for name, weight in wDict.items():
    if weight > average:
        print(name, weight)

2.使用列表推导式

wDict={"李英":60.5,"陈操":52.3,"钟浩":78,"胡蕾":82.8,"董蓓":54,"刘浜":76.3,"孙泉":58.5,"何珑":71}
# 计算平均体重
average = sum(wDict.values())/len(wDict)
# 使用列表推导式找出超过平均体重的“姓名、体重”
result = [(name, weight) for name, weight in wDict.items() if weight > average]
# 输出结果
for name, weight in result:
    print(name, weight)

相关问题

df = pd.DataFrame({'key1' : ['a','a','c','d','a'], 'key2' : ['yes', 'no', 'yes', 'yes', 'no'], 'data1' : np.random.randn(5), 'data2' : np.random.randn(5)}) grouped = df['data1'].groupby(df['key1']) print(grouped.size()) print(grouped.mean()) groupk1 = df.groupby('key2').mean() print(groupk1) wlist = ['w','w','y','w','y'] df.groupby(wlist).sum() df1 = pd.DataFrame(np.random.normal(size = (6,5)),index = ['a','b','c','A','B','c']) print("数据为:\n",df) wdict = {'a':'one','A':'one','b':'two','B':'two','c':'three'} print("分组汇总后的结果为:\n",df.groupby(wdict).sum())

好的，您的问题是关于 Python 中的 Pandas 库中的分组(groupby)操作的代码。

这段代码中，我们首先创建了一个 DataFrame 对象 df，包含了四列数据，其中 key1 和 key2 是分类变量，data1 和 data2 是连续变量。

接着，我们对 df 中的 data1 进行了按 key1 分组的操作，使用了 groupby 函数，将结果保存在 grouped 变量中。我们分别输出了每个组的大小(grouped.size())和每个组的平均值(grouped.mean())。

然后，我们对 df 中的所有列进行了按 key2 分组的操作，并计算了每个组的平均值，将结果保存在 groupk1 变量中，并输出了结果。

接着，我们创建了一个列表 wlist，其中包含了多个字符串，然后对 df 中的所有列进行了按 wlist 分组的操作，并计算了每个组的和，但是这里没有将结果保存在变量中，只是直接输出了结果。

最后，我们创建了一个新的 DataFrame 对象 df1，其中包含了六行数据，使用了不同的大小写字母作为行索引。然后，我们创建了一个字典 wdict，将行索引中的大小写字母映射到了字符串中的数字。接着，对 df1 中的所有列进行了按 wdict 分组的操作，并计算了每个组的和，并将结果保存在 df.groupby(wdict).sum() 变量中，并输出了结果。

希望这个解答能够帮到您！