<p>我需要帮助完成以下工作:</p>
<p>df文件作为一个CSV文件加载到下面的帧中。有多个区域,内存、vCPU和存储器的值与每个“名称”相对应。此数据帧中有1700行。在</p>
<p><a href="https://i.stack.imgur.com/zhJAB.png" rel="nofollow noreferrer"><img src="https://i.stack.imgur.com/zhJAB.png" alt="The dataframe with the CSV values loaded in"/></a></p>
<p><strong>我需要创建一个包含以下内容的词典:</strong></p>
<p>Key是一个包含两个元素的元组:Name和Region</p>
<p>字典的价值是一个元组:Windows按需成本和Linux按需成本</p>
<p>最后,我想创建一个程序,它执行以下操作:
用户输入一个特定的CPU、Ram和存储器,程序将对数据进行排序并提取该处理器的名称以及Windows和Linux的价格(如果有匹配的话),或者如果不匹配,将拉取最接近输入值的处理器。谢谢!在</p>
<pre><code>Name Region API Memory vCPUs Storage Linux Windows
0 M1 General Purpose Small US West - NorCal m1.small 1.7 GiB 1 vCPUs 160 GiB $0.047000 hourly $0.078000 hourly
1 M1 General Purpose Medium US West - NorCal m1.medium 3.75 GiB 1 vCPUs 410 GiB $0.095000 hourly $0.157000 hourly
2 M1 General Purpose Large US West - NorCal m1.large 7.5 GiB 2 vCPUs 840 GiB $0.190000 hourly $0.314000 hourly
3 M1 General Purpose Extra Large US West - NorCal m1.xlarge 15.0 GiB 4 vCPUs 1680 GiB $0.379000 hourly $0.627000 hourly
4 C1 High-CPU Medium US West - NorCal c1.medium 1.7 GiB 2 vCPUs 350 GiB $0.148000 hourly $0.228000 hourly
</code></pre>
<p>我会试试这样的方法:</p>
<pre><code>outdict = {k: (gdf['Windows On Demand cost'].item(),
gdf['Linux On Demand cost'].item())
for k, gdf in df.groupby(['Name', 'Region'])}
</code></pre>