python中max函数有重复数字时_具有相同实例数的Python max

from collections import Counter

def myFunction(myDict):

myMax = 0 # Keep track of the max frequence

myResult = [] # A list for return

for key in myDict:

print('The key is', key, ', The count is', myDict[key])

print('My max is:', myMax)

# Finding out the max frequence

if myDict[key] >= myMax:

if myDict[key] == myMax:

myMax = myDict[key]

myResult.append(key)

# Case when it is greater than, we will delete and append

else:

myMax = myDict[key]

del myResult[:]

myResult.append(key)

return myResult

foo = ['1', '1', '5', '2', '1', '6', '7', '10', '2', '2']

myCount = Counter(foo)

print(myCount)

print(myFunction(myCount))

输出:

^{pr2}$

我写了这个简单的程序,我想它也可以工作。在搜索之前,我不知道most_common()函数。我认为这将返回尽可能多的最频繁元素,它通过比较max frequency元素来工作,当我看到一个更频繁的元素时,它将删除结果列表,并追加一次;或者如果它是相同的频率,它只需追加到它。一直走,直到整个计数器被遍历。在

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python,GLM(Generalized Linear Model)是一个广泛使用的统计模型,用于建立因变量和一个或多个自变量之间的关系。其,estimate_tweedie_power是一个用于估计Tweedie分布的参的函,它可以用于处理非负的连续型据。 estimate_tweedie_power函的用法如下: ```python statsmodels.genmod.generalized_linear_model.estimate_tweedie_power(endog, exog, alpha=None, link=None, max_power=2, init=None, verbose=0) ``` 其,参含义如下: - endog:待拟合的因变量据,必须是非负的连续型据。 - exog:自变量据,可以是一个Numpy组或一个Pandas DataFrame。 - alpha:Tweedie分布的指,必须是大于等于1且小于2的实。如果不指定,则默认为1.5。 - link:链接函,可以是一个字符串(如“log”、“identity”、“sqrt”等)或一个链接函对象。如果不指定,则默认为“log”链接函。 - max_power:Tweedie分布的最大幂次。如果不指定,则默认为2。 - init:初始化参,如果不指定,则默认为根据据进行初始化。 - verbose:是否输出详细信息。如果为0,则不输出信息;如果为1,则输出部分信息;如果为2,则输出详细信息。 下面是一个使用estimate_tweedie_power函的例子: ```python import statsmodels.api as sm import numpy as np # 生成据 np.random.seed(0) nobs = 1000 x = np.random.normal(size=(nobs, 3)) x = sm.add_constant(x) params = np.array([1, 0.5, -0.5, 0.1]) mu = np.dot(x, params) p = 1.5 y = np.random.poisson(mu) # 拟合Tweedie模型 model = sm.GLM(y, x, family=sm.families.Tweedie(var_power=p)) result = model.fit() # 估计Tweedie分布的指 alpha = sm.genmod.generalized_linear_model.estimate_tweedie_power(y, x, alpha=None, link=None, max_power=p, init=None, verbose=0) print(alpha) ``` 上述代码,我们首先生成了一组随机据,并使用GLM模型拟合了一个Tweedie模型。然后,我们使用estimate_tweedie_power函估计了Tweedie分布的指alpha。最后,我们将估计得到的alpha值打印出来。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值