Python 一个列表中与另一个列表中相同日期对应的项目的平均值

我对计算列表中项目的平均值有点小问题。我希望有人能把我从混乱中解救出来。 我有两个列表A和B，例如

A = [3,2,1,9,4]
B = [1980,1980,1988,1988,2000]

现在我想计算A中与B中日期相同的项目的平均值。 所以最终我会

1980: 2.5
1988: 5
2000: 4

---

任何帮助都将不胜感激。谢谢

一个简单的解决方案是

import numpy as np

A = [3,2,1,9,4]
B = [1980,1980,1988,1988,2000]

a = np.array(A)
b = np.array(B)

for year in set(b):
    print year, a[b == year].mean()

印刷品

2000 4.0
1988 5.0
1980 2.5

---

一个重要的解决方案是

import numpy as np

A = [3,2,1,9,4]
B = [1980,1980,1988,1988,2000]

a = np.array(A)
b = np.array(B)

for year in set(b):
    print year, a[b == year].mean()

印刷品

2000 4.0
1988 5.0
1980 2.5

---

您可以使用

defaultdict

将每年的值组合在一起，然后对其执行计算，例如：

from collections import defaultdict

A = [3,2,1,9,4]
B = [1980,1980,1988,1988,2000]

yearvals = defaultdict(list)
for year, val in zip(B, A):
    yearvals[year].append(val)

for year, vals in yearvals.iteritems():
    print year, sum(vals, 0.0) / len(vals)

输出：

2000 4.0
1988 5.0
1980 2.5

---

您可以使用

defaultdict

将每年的值组合在一起，然后对其执行计算，例如：

from collections import defaultdict

A = [3,2,1,9,4]
B = [1980,1980,1988,1988,2000]

yearvals = defaultdict(list)
for year, val in zip(B, A):
    yearvals[year].append(val)

for year, vals in yearvals.iteritems():
    print year, sum(vals, 0.0) / len(vals)

输出：

2000 4.0
1988 5.0
1980 2.5

---

可以使用引用defaultdict：

from collections import defaultdict

reference_dict = defaultdict(list)

A = [3,2,1,9,4]
B = [1980,1980,1988,1988,2000]

for i, year in enumerate(B):
    reference_dict[year].append(A[i])

for year, values in reference_dict.iteritems():
    print(year, sum(values, 0.0)/len(values))

---

可以使用引用defaultdict：

from collections import defaultdict

reference_dict = defaultdict(list)

A = [3,2,1,9,4]
B = [1980,1980,1988,1988,2000]

for i, year in enumerate(B):
    reference_dict[year].append(A[i])

for year, values in reference_dict.iteritems():
    print(year, sum(values, 0.0)/len(values))

使用熊猫：

>>> import pandas as pd
>>> import numpy as np
>>> val_list = np.array([list(pair) for pair in zip(B,A)])
>>> val_list
array([[1980,    3],
       [1980,    2],
       [1988,    1],
       [1988,    9],
       [2000,    4]])
>>> df = pd.DataFrame(val_list,columns=['year','value'])
>>> df
   year  value
0  1980      3
1  1980      2
2  1988      1
3  1988      9
4  2000      4
>>> df.groupby(['year'],as_index=False).mean()
   year  value
0  1980    2.5
1  1988    5.0
2  2000    4.0

使用熊猫：

>>> import pandas as pd
>>> import numpy as np
>>> val_list = np.array([list(pair) for pair in zip(B,A)])
>>> val_list
array([[1980,    3],
       [1980,    2],
       [1988,    1],
       [1988,    9],
       [2000,    4]])
>>> df = pd.DataFrame(val_list,columns=['year','value'])
>>> df
   year  value
0  1980      3
1  1980      2
2  1988      1
3  1988      9
4  2000      4
>>> df.groupby(['year'],as_index=False).mean()
   year  value
0  1980    2.5
1  1988    5.0
2  2000    4.0

---

你能使用外部库吗。如果是这样的话，我建议看看熊猫。您可以创建包含两列[“年”、“值”]的数据框。然后对字段“year”进行分组，并取聚合的平均值（）。您可以使用外部库吗。如果是这样的话，我建议看看熊猫。您可以创建包含两列[“年”、“值”]的数据框。然后在字段“year”上做一个groupby，并获取聚合的平均值（）。

DataFrame.from_records（zip（a，B））.groupby（1）。mean（）

很好：）（例如：这里不需要显式创建

np.array

非常正确！我喜欢在回答问题时显式回答，这样读者就能更好地理解。

DataFrame.from_records（zip（a，B））.groupby（1）.mean（）

很好：）（例如：这里不需要显式

np.array

创建）非常正确！我喜欢在回答问题时直截了当，这样读者会更好地理解。谢谢。我不想让人讨厌或忘恩负义，但您的代码中有一个小错误。yearval应该是yearvals

sum（vals，0.0）

看起来比我在回答中使用的丑陋的

sum（vals）/float（len（vals））

要好得多+1。@user2215228所以应该-现在已经更正-谢谢。我最初有不同的名字，但意识到我的名字不一致，所以我在帖子中更改了它们，而不是我的编辑：）@AshwiniChaudhary注意到，这意味着所有的求和都是以浮点数的形式进行的，有时会更快，但另一方面，有时会更慢，所以有时最好让它们以整数的形式求和。我不想让人讨厌或忘恩负义，但您的代码中有一个小错误。yearval应该是yearvals

sum（vals，0.0）

看起来比我在回答中使用的丑陋的

sum（vals）/float（len（vals））

要好得多+1。@user2215228所以应该-现在已经更正-谢谢。我最初有不同的名字，但我意识到我的名字不一致，所以我在帖子中更改了它们，而不是我的编辑：）@AshwiniChaudhary注意到，这意味着所有的求和都是以浮点数的形式进行的，有时会更快，但另一方面，有时会更慢，所以有时最好让它们以整数的形式求和