Python 如何计算忽略特殊值的列表中值的平均值？

如何计算忽略特殊值（-999）的列表中值的平均值

---

有什么想法吗？

我不知道。但这会奏效的

A = [4,5,7,8,-999]
A = [item for item in A if item != -999]
print sum(A)/float(len(A))

输出

6.0

[6.0, 5.75]

编辑：

要找到所有子列表的方法

A = [[4,5,7,8,-999],[3,8,5,7,-999]]
M = [sum(z)/float(len(z)) for z in [[x for x in y if x != -999] for y in A]]
print M

输出

6.0

[6.0, 5.75]

---

我不知道numpy。但这会奏效的

A = [4,5,7,8,-999]
A = [item for item in A if item != -999]
print sum(A)/float(len(A))

输出

6.0

[6.0, 5.75]

编辑：

要找到所有子列表的方法

A = [[4,5,7,8,-999],[3,8,5,7,-999]]
M = [sum(z)/float(len(z)) for z in [[x for x in y if x != -999] for y in A]]
print M

输出

6.0

[6.0, 5.75]

性能

让我们测试三个代码片段：普通的

np.mean

，

屏蔽数组

和使用Python生成器的“朴素”解决方案。数组有1000000个值

from timeit import timeit
setup = 'import numpy as np; a=np.arange(0, 1000000)'
snippets = [
    'assert np.mean(a[a!=999999]) == 499999.0',
    'm=np.ma.masked_array(a,a==999999); assert np.ma.mean(m) == 499999.0',
    'assert sum(x for x in a if x != 999999)/999999 == 499999'
]
timings = [timeit(x, setup=setup, number=10) for x in snippets]
print('\n'.join(str(x) for x in timings))

结果:

0.0840559005737
0.0890350341797
10.4104599953

普通

np。平均值
和
掩蔽数组
的计时非常接近，而“朴素”解决方案的速度要慢100多倍

性能

让我们测试三个代码片段：普通的
np.mean
，
屏蔽数组
和使用Python生成器的“朴素”解决方案。数组有1000000个值

from timeit import timeit
setup = 'import numpy as np; a=np.arange(0, 1000000)'
snippets = [
    'assert np.mean(a[a!=999999]) == 499999.0',
    'm=np.ma.masked_array(a,a==999999); assert np.ma.mean(m) == 499999.0',
    'assert sum(x for x in a if x != 999999)/999999 == 499999'
]
timings = [timeit(x, setup=setup, number=10) for x in snippets]
print('\n'.join(str(x) for x in timings))

结果:

0.0840559005737
0.0890350341797
10.4104599953

普通
np.平均值
和
屏蔽数组
的计时非常接近，而“naive”解决方案的计时速度要慢100倍以上。
在numpy中，您可以使用屏蔽数组平均值：

import numpy as np
A = np.array([4,5,7,8,-999])
mask_A = A == -999
ma_A = np.ma.masked_array(A, mask_A)
print np.ma.mean(ma_A)

结果：

6.0 

在numpy中，可以使用遮罩数组表示：

import numpy as np
A = np.array([4,5,7,8,-999])
mask_A = A == -999
ma_A = np.ma.masked_array(A, mask_A)
print np.ma.mean(ma_A)

结果：

6.0 

谢谢但是，如何在列表中分别计算每个列表的值的平均值，以避免出现特殊值（-999）？'A=[[4,5,7,8，-999]，[3,8,5,7，-999]]M=[sum（x）/len（x）for x in[y for y in A if y！=-999]'列表的理解速度很快，但基于掩蔽数组和奇特的索引，这种解决方案应该比其他解决方案慢……谢谢。但是如何在列表中分别计算每个列表的值的平均值，避免出现特殊值（-999）？'A=[[4,5,7,8，-999]，[3,8,5,7，-999]]M=[sum（x）/len（x）for x in[y for y in A if y！=-999]'列表理解速度很快，但即使基于掩蔽数组和奇特的索引，这个解决方案应该比其他解决方案要慢……但对于速度测试和你对np的想法来说要慢得多！@AlexanderLukanin13顺便问一下，如何应用np.mean（a[a！=-999]）的方法在多个数组的情况下，请看我的另一个问题@AlexanderLukanin13很多关于速度测试的问题，以及你对np.mean（a[a！=-999]）！@AlexanderLukanin13顺便问一下，如何应用np.mean（a[a！=-999]））对于多个数组，请看我的另一个问题@AlexanderLukani13