Python 在列表列表中，如何查找与内部列表关联的值的平均值？

我有一张这样的清单

l=[[Alex,12],[John,14],[Ross,24],[Alex,42],[John,24],[Alex,45]]

l=[[Alex,33],[John,19],[Ross,24]]

我应该如何处理这个列表以获得这样的输出

l=[[Alex,12],[John,14],[Ross,24],[Alex,42],[John,24],[Alex,45]]

l=[[Alex,33],[John,19],[Ross,24]]

这基本上是每个名字的平均分数

l = [['Alex',12],['John',14],['Ross',24],['Alex',42],['John',24],['Alex',45]]

score_dict = {}

for l_score in l:
    name = l_score[0]
    score = l_score[1]
    if name in score_dict.keys():
        score_dict[name].append(score)
        
    else:
        score_dict[name] = [score]

ret_list = []
for k, v in score_dict.items():
    sum_l = sum(v)
    len_l = len(v)
    if len_l > 0:
        avg = float(sum_l)/float(len_l)
    else:
        avg = 0
    ret_list.append([k,avg])
    
print(ret_list)

这将返回以下列表：

[['Ross', 24.0], ['Alex', 33.0], ['John', 19.0]]

---

我没有使用任何包，因为在您的代码示例中没有导入。它可以用numpy或pandas来简化，让我们通过从中构造新的

dict

来简化问题，其中键是名称或内部列表第一个元素，值是平均值。由于键在python dict中是唯一的，所以这变得很容易。完成此操作后，我们将从构建的dict生成一个新列表，这将是我们的答案

TheOriginalList=[[Alex,12],[John,14],[Ross,24],[Alex,42],[John,24],[Alex,45]] 

解释

在#1中，我们试图获取

键

，这是

人名

，如果它已经存在于dict中，我们将获得它的值，这是一个由两个int项组成的

列表

[acumative#u score，counter]

，这将把我们发送到else去#3。如果不是，我们就进入第二阶段

在这里，我们添加

键

（dict中的人名），并将其值设置为2个项目的新列表

[当前评分，1]

，

1

是第一个评分。这是一个

计数器

我们稍后需要它进行

平均值

计算

我们在这里得到#3，因为这个人已经存在于dict中。所以我们将其当前分数添加到分数中，在#4中，我们将计数器增加1

我们对此进行解释（将计数器增加1）

在#5中，我们迭代dict

键

和

项

，因此我们在每次迭代中得到

键

（人名）和

值

（两个项的列表，第一项是

总分

，第二项是

分数

）

在#6中，我们通过添加一个新的列表（同样是两个项目的列表，在

0索引中
当前关键字的人名，在
索引1中
是
v[0]/v[1]
的平均值）来构建我们的最终列表

---

请注意，在某些情况下，此代码可以引发异常。考虑使用<代码>尝试，除了

< P>使用大熊猫按名称分组并计算平均值（<代码> L>代码>是您的列表）：

df:

输出：

[['Alex', 33], ['John', 19], ['Ross', 24]]

---

谢谢你的回答1.你能给我一个简短的建议吗packages@VivekAnand-你会来的。我喜欢你的问题。它让我想到了没有

if else

旧的学校代码的pythonic解决方案。如果你觉得它有用，我会很高兴你接受它。再次感谢：-）谢谢ehsan..我无法得到数据框架中的“l”（l，columns=[]）@维维卡那就是你的问题清单。我使用了您的命名问题，并添加了编辑，以使其更清楚。如果可以，请查看如何接受答案。谢谢你，真的很有用，非常感谢…..如果我有三列，像这样的列=['name'，'value'，'value1']，并且我也找到了value1的平均值

df=pd.DataFrame（l，columns=['name'，'value'，'value1']）

然后

l=df.groupby（'name'）['value'，'value1'].mean（）.reset\u index（）.values.tolist（），你能提出类似的建议吗
[['Alex', 33], ['John', 19], ['Ross', 24]]