Python 通过合并相近的值来减少已排序的数字列表的更好方法？

我有一个带有以下值的数字列表作为示例

2, 99, 101, 150, 198, 201, 300

我们假设上面的数组总是按升序排序

我的目标是平均出由变量

x

定义的彼此接近的值。 假设

x=5

预期结果如下

2, 100, 150, 200, 300

下面是我提出的代码的工作副本

import statistics
def mean_reduce_by_proximity(data, distance):
    new_data = []
    temp = []
    for val in data:
        # if temp list is empty
        if (len(temp) == 0):
            temp.append(val)
        # if temp list if not empty
        else:
            # Last item of temp list is in proximity to current value
            if (val - temp[-1]) <= distance:
                temp.append(val)
            # Not in proximity
            else:
                temp_mean = round(statistics.mean(temp))
                new_data.extend([temp_mean])
                temp = []
                temp.append(val)

    # Handle last set of item(s)
    if (len(temp) > 0):
        temp_mean = round(statistics.mean(temp))
        new_data.extend([temp_mean])
        temp = []

    return new_data

In[1]: mean_reduce_by_proximity([2, 99, 101, 150, 198, 201, 300], 5)
Out[1]: [2, 100, 150, 200, 300]

导入统计信息
def平均值（数据、距离）：
新的_数据=[]
温度=[]
对于数据中的val：
#如果临时列表为空
如果（透镜（温度）==0）：
临时附加（val）
#如果临时列表不为空
其他：
#临时列表的最后一项接近当前值
如果（val-temp[-1]）0：
平均温度=四舍五入（统计平均温度）
新数据扩展（[临时平均值]）
温度=[]
返回新的数据
[1]中：平均值通过邻近度减少[2,99,101,150,198,201,300]，5）
Out[1]：[21100150200300]

我的疑问

• 这种类型的减少是否有一个已知的技术术语
• 在任何流行的python库中都有内置函数吗 这个

---

这是一种矢量化方法-
样本运行-

In [90]: a
Out[90]: array([  2,  99, 101, 150, 198, 201, 300])

In [91]: mean_reduce_by_proximity_vectorized(a, thresh=5)
Out[91]: array([  2., 100., 150., 200., 300.])

---

这个问题的预期结果是什么：

2,99,101,102,103,104,105,150,198,201,300

@SayandipDutta问题中公布的工作方法给出了

[2.0,102.0,150.0,200.0,300.0]

，所以我会假设相同的结果。@Prathamesgharat如果这个答案回答了你的问题，别忘了接受它。更多关于如何做到这一点的信息，等等-。谢谢你的矢量化表格@Divakar！我将尝试一步一步地执行它，以了解它是如何工作的。如果可以，请在您认为python初学者需要的任何地方添加注释。@Prathamesgharat添加了注释。为了更好地理解，最好运行每个步骤并研究其输出。

In [90]: a
Out[90]: array([  2,  99, 101, 150, 198, 201, 300])

In [91]: mean_reduce_by_proximity_vectorized(a, thresh=5)
Out[91]: array([  2., 100., 150., 200., 300.])