使用python for循环平均数据

我有一个数据集，它包含20年的月平均值，以一个整数数组表示，每个维度（1x240）。我正试图写一个函数来计算年平均值。我已经设法做到了（我相信），使用了for循环，但是当我将完全相同的代码粘贴到函数中时，它只会给出20个值中的第一个值

def yearlymean_gm(gm_data):
    data= np.load(gm_data)
        for i in range (0,20):
        average= data[i*12:i*12+12].sum()/12
        print average
        return average

gm_数据是文件的名称

当我只是手动输入

data= np.load(gm_data)
for i in range (0,20):
    average= data[i*12:i*12+12].sum()/12
    print average
    return average

它成功地读取了20个值。我很确定我只是不太明白for循环在函数上下文中是如何工作的。任何解释（以及修复，如果可能的话）都会很棒

其次，我希望将这些值输入到numpy数组中。我试过了

def yearlymean_gm(gm_data):
    data= np.load(gm_data)
    average = np.zeroes(20)  
    for i in range (0,20):
        average[i]= data[i*12:i*12+12].sum()/12
        print average
        return average

---

但这给了我一个长长的、古怪的清单。这方面的帮助也很酷。谢谢

这是你需要的

def yearlymean_gm(gm_data):
    data= np.load(gm_data)
    average = np.zeroes(20)  
    for i in range (0,20):
        average[i]= data[i*12:i*12+12].sum()/12
        print average
    return average  #don't return until the loop has completed

---

这是你需要的

def yearlymean_gm(gm_data):
    data= np.load(gm_data)
    average = np.zeroes(20)  
    for i in range (0,20):
        average[i]= data[i*12:i*12+12].sum()/12
        print average
    return average  #don't return until the loop has completed

为什么不完全避免“for”循环呢

def yearlymean_gm(gm_data):
    data = np.load(gm_data)
    data = data.reshape((12, 20))
    print data.mean(axis=1)
    return data.mean(axis=1)

为什么不完全避免“for”循环呢

def yearlymean_gm(gm_data):
    data = np.load(gm_data)
    data = data.reshape((12, 20))
    print data.mean(axis=1)
    return data.mean(axis=1)

---

我肯定这是一个复制品，但我找不到。在

for

循环体中有

return

，因此它只完成一次迭代。然后函数结束了，剩下的循环就完蛋了。示例中的缩进有问题。另外，第二个代码块包含一个

返回值，但它不在函数中。@Two Bitalchest我肯定有很多，但它们从来没有一个易于跟踪的标题：）尽管缩进无效，因此，我不确定我们是否能确认这是原因。通过pandas的聚合数据集可能会提供您想要的结果（并且不需要迭代逻辑）。如果你愿意的话，我可以提供更多的细节——让我知道。@Sevyns他在正确的轨道上，他想要计算的东西。。。他只需要取消他的退货声明。我肯定这是一份副本，但我找不到。在
for
循环体中有
return
，因此它只完成一次迭代。然后函数结束了，剩下的循环就完蛋了。示例中的缩进有问题。另外，第二个代码块包含一个
返回值，但它不在函数中。@Two Bitalchest我肯定有很多，但它们从来没有一个易于跟踪的标题：）尽管缩进无效，因此，我不确定我们是否能确认这是原因。通过pandas的聚合数据集可能会提供您想要的结果（并且不需要迭代逻辑）。如果你愿意的话，我可以提供更多的细节——让我知道。@Sevyns他在正确的轨道上，他想要计算的东西。。。他只需要取消回复声明