Python 如何计算列表中每三个值的平均值
我有一份清单:Python 如何计算列表中每三个值的平均值,python,list,numpy,mean,chunks,Python,List,Numpy,Mean,Chunks,我有一份清单: first = [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18] 我想要另一个平均值为三个值的列表,因此新列表为: new = [2,5,8,11,14,17] 新列表中只有6个值,因为第一个列表中只有18个元素 我正在寻找一种优雅的方法来实现这一点,只需对一个大列表执行最少的步骤。使用numpy,您可以将18个元素的列表重塑为一个形状数组(6,3),然后对行进行平均 import numpy as np a = np.array(
first = [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18]
我想要另一个平均值为三个值的列表,因此新列表为:
new = [2,5,8,11,14,17]
新列表中只有6个值,因为第一个列表中只有18个元素
我正在寻找一种优雅的方法来实现这一点,只需对一个大列表执行最少的步骤。使用
numpy
,您可以将18个元素的列表重塑为一个形状数组(6,3)
,然后对行进行平均
import numpy as np
a = np.array(first)
>>> a.reshape(-1, 3)
array([[ 1, 2, 3],
[ 4, 5, 6],
[ 7, 8, 9],
[10, 11, 12],
[13, 14, 15],
[16, 17, 18],
>>> a.reshape(-1, 3).mean(axis=1)
array([ 2., 5., 8., 11., 14., 17.])
在
np.reformate(-1,3)
中使用-1
实际上允许您对大小为3的倍数的任何数组使用此方法,它将自动适当地调整第一个维度的大小使用numpy
,您可以将包含18个元素的列表重塑为一个形状数组(6,3)
然后取行的平均值
import numpy as np
a = np.array(first)
>>> a.reshape(-1, 3)
array([[ 1, 2, 3],
[ 4, 5, 6],
[ 7, 8, 9],
[10, 11, 12],
[13, 14, 15],
[16, 17, 18],
>>> a.reshape(-1, 3).mean(axis=1)
array([ 2., 5., 8., 11., 14., 17.])
在
np.reformate(-1,3)
中使用-1
实际上允许您对大小为3的倍数的任何数组使用此方法,它将自动适当地调整第一个维度的大小您可以使用以3个间隔迭代的for循环获取first
的一部分
import statistics
new = [statistics.mean(first[i:i + 3]) for i in range(0, len(first), 3)]
print(new) # [2, 5, 8, 11, 14, 17]
您可以首先使用以3个间隔迭代的for循环获取
片段
import statistics
new = [statistics.mean(first[i:i + 3]) for i in range(0, len(first), 3)]
print(new) # [2, 5, 8, 11, 14, 17]
下面是另一个解决方案,使用它可以获得列表中每三个数字的每个块的平均值
>>> from statistics import mean
>>> first = [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18]
>>> [mean(x) for x in zip(*[iter(first)] * 3)]
[2, 5, 8, 11, 14, 17]
下面是另一个解决方案,使用它可以获得列表中每三个数字的每个块的平均值
>>> from statistics import mean
>>> first = [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18]
>>> [mean(x) for x in zip(*[iter(first)] * 3)]
[2, 5, 8, 11, 14, 17]
以下是使用pandas
和groupby
的解决方案:
import pandas as pd
ser = pd.Series(first)
ser.groupby(ser.index//3).mean()
0 2
1 5
2 8
3 11
4 14
5 17
dtype: int64
以下是使用pandas
和groupby
的解决方案:
import pandas as pd
ser = pd.Series(first)
ser.groupby(ser.index//3).mean()
0 2
1 5
2 8
3 11
4 14
5 17
dtype: int64
first
中的元素数是否总是可以被窗口大小整除?这是否回答了您的问题?对于NumPy:first
中的元素数是否总是可以被窗口大小整除?这是否回答了您的问题?对于NumPy: