Python 允许包含不同长度列表的列表的元素平均值

我有一个代码，其中有一个列表

X

附加了多个不同长度的列表。例如：运行后，

X

的最终值可以如下所示：

X = [[0.6904056370258331, 0.6844439387321473, 0.668782365322113], 
     [0.7253621816635132, 0.6941058218479157, 0.6929935097694397, 0.6919471859931946, 0.6905447959899902]]

如您所见，

X[0]

的长度为3，而

X[1]

的长度为5。我想对

X

进行元素（列）平均，以生成

X

的单个1D平均值。如果我尝试

np.mean（X，axis=0）

则会产生错误，因为

X[0]

和

X[1]

的长度不同。是否有一种方法可以实现我想要的，即单个1D平均值

X

---

谢谢，

要进行“列”计算，我们需要将其更改为列列表

In [475]: X = [[0.6904056370258331, 0.6844439387321473, 0.668782365322113],  
     ...:      [0.7253621816635132, 0.6941058218479157, 0.6929935097694397, 0.6919471859931946, 0.6905447959899902]] 

zip\u longest

是一个方便的工具，用于“转换”不规则列表：

In [476]: import itertools                                                                                   
In [477]: T = list(itertools.zip_longest(*X, fillvalue=np.nan))                                              
In [478]: T                                                                                                  
Out[478]: 
[(0.6904056370258331, 0.7253621816635132),
 (0.6844439387321473, 0.6941058218479157),
 (0.668782365322113, 0.6929935097694397),
 (nan, 0.6919471859931946),
 (nan, 0.6905447959899902)]

我选择了

np.nan

作为填充，因为我可以使用

np.nanmean

取平均值，而忽略

nan

In [479]: [np.nanmean(i) for i in T]                                                                         
Out[479]: 
[0.7078839093446732,
 0.6892748802900315,
 0.6808879375457764,
 0.6919471859931946,
 0.6905447959899902]

对于像

np.sum

这样的东西，我可以填充0，但是

mean

是总和除以计数

或者不使用

nanmean

，填充易于过滤的内容：

In [480]: T = list(itertools.zip_longest(*X, fillvalue=None)) 
In [483]: [np.mean([i for i in row if i is not None]) for row in T]                                          
Out[483]: 
[0.7078839093446732,
 0.6892748802900315,
 0.6808879375457764,
 0.6919471859931946,
 0.6905447959899902]

---

zip\u longest

不是唯一的一个，但它相当快，易于记忆和使用。

要进行“列”计算，我们需要将其更改为列列表

In [475]: X = [[0.6904056370258331, 0.6844439387321473, 0.668782365322113],  
     ...:      [0.7253621816635132, 0.6941058218479157, 0.6929935097694397, 0.6919471859931946, 0.6905447959899902]] 

zip\u longest

是一个方便的工具，用于“转换”不规则列表：

In [476]: import itertools                                                                                   
In [477]: T = list(itertools.zip_longest(*X, fillvalue=np.nan))                                              
In [478]: T                                                                                                  
Out[478]: 
[(0.6904056370258331, 0.7253621816635132),
 (0.6844439387321473, 0.6941058218479157),
 (0.668782365322113, 0.6929935097694397),
 (nan, 0.6919471859931946),
 (nan, 0.6905447959899902)]

我选择了

np.nan

作为填充，因为我可以使用

np.nanmean

取平均值，而忽略

nan

In [479]: [np.nanmean(i) for i in T]                                                                         
Out[479]: 
[0.7078839093446732,
 0.6892748802900315,
 0.6808879375457764,
 0.6919471859931946,
 0.6905447959899902]

对于像

np.sum

这样的东西，我可以填充0，但是

mean

是总和除以计数

或者不使用

nanmean

，填充易于过滤的内容：

In [480]: T = list(itertools.zip_longest(*X, fillvalue=None)) 
In [483]: [np.mean([i for i in row if i is not None]) for row in T]                                          
Out[483]: 
[0.7078839093446732,
 0.6892748802900315,
 0.6808879375457764,
 0.6919471859931946,
 0.6905447959899902]

zip\u longest

不是唯一的一款，但它速度相当快，而且易于记忆和使用。

这个怎么样

首先确定最大行长度， 然后将所有行填充为相同的长度，并使用 如问题所示，轴=0的平均值

import numpy as np
X = [[0.6904056370258331, 0.6844439387321473, 0.668782365322113], 
     [0.7253621816635132, 0.6941058218479157, 0.6929935097694397, 0.6919471859931946, 0.6905447959899902]]

max_row_len=max([len(ll) for ll in X])

cm=np.nanmean([[el for el in row ] + [np.NaN] * max(0, max_row_len-len(row))  for row in X], axis=0)

print(cm)

将显示

[0.70788391 0.68927488 0.68088794 0.69194719 0.6905448]

这个怎么样

首先确定最大行长度， 然后将所有行填充为相同的长度，并使用 如问题所示，轴=0的平均值

import numpy as np
X = [[0.6904056370258331, 0.6844439387321473, 0.668782365322113], 
     [0.7253621816635132, 0.6941058218479157, 0.6929935097694397, 0.6919471859931946, 0.6905447959899902]]

max_row_len=max([len(ll) for ll in X])

cm=np.nanmean([[el for el in row ] + [np.NaN] * max(0, max_row_len-len(row))  for row in X], axis=0)

print(cm)

将显示

---

[0.70788391 0.68927488 0.68088794 0.69194719 0.6905448]

问题在于Numpy不适用于非矩形列表。在这里，它只是看到一个以对象为元素的一维数组。对于这种情况，列表理解可能是最好的。或者，您可以使用pandas:

pd.DataFrame（X）.mean（1）

。它将为您填充

nan

，并在平均值计算中忽略它们。如果您愿意填充nan或零，您可以使用-然后沿相关轴使用

sum

或

mean

。I“我想说，在你的列表中没有列这样的东西。但您可以将其转换为不同的列表

itertools.zip\u longest

可能是最方便的工具。@Divakar是的，这篇文章很完美。谢谢。问题是Numpy不适用于非矩形列表。在这里，它只是看到一个以对象为元素的一维数组。对于这种情况，列表理解可能是最好的。或者，您可以使用pandas:

pd.DataFrame（X）.mean（1）

。它将为您填充

nan

，并在平均值计算中忽略它们。如果您愿意填充nan或零，您可以使用-然后沿相关轴使用

sum

或

mean

。I“我想说，在你的列表中没有列这样的东西。但您可以将其转换为不同的列表

itertools.zip\u longest

可能是最方便的工具。@Divakar是的，这篇文章很完美。非常感谢。