计算python中列表的平均值，不包括文字

在Python中，我有如下列表：

[[1,2,3, 'L'], ['L'], [1]]

我想计算每个子列表所有数值元素的平均值。因此，应排除“L”值。上述示例的结果应为：

[2, [], 1]

有什么快速的方法可以在一条线上完成吗

---

谢谢。

为了得到您要求的确切结果，我会这样做：

from __future__ import division
import numbers
def average_over_numeric_values(a):
    filtered = [x for x in a if isinstance(x, numbers.Number)]
    if filtered:
        return sum(filtered) / len(filtered)
    return []
print(map(average_over_numeric_values, list_of_lists))

这不完全是一行，而是一种非常可读的方式

---

就我个人而言，如果列表中没有空值，我就不会使用

[]

。

无

似乎更合适。

要获得您要求的确切结果，我会这样做：

from __future__ import division
import numbers
def average_over_numeric_values(a):
    filtered = [x for x in a if isinstance(x, numbers.Number)]
    if filtered:
        return sum(filtered) / len(filtered)
    return []
print(map(average_over_numeric_values, list_of_lists))

这不完全是一行，而是一种非常可读的方式

---

就个人而言，如果列表中没有空值，我不会使用

[]

。

None

似乎更合适。

假设您已经导入了

numpy

和

数字，这里有一个非常不可读的单行代码。没有数字元素的列表在结果列表中显示为
nan

[numpy.mean([x for x in sublist if isinstance(x, numbers.Number)]) for sublist in mainlist]

假设您已经导入了
numpy
和
numbers
，那么这是一个非常不可读的单行程序。没有数字元素的列表在结果列表中显示为
nan

[numpy.mean([x for x in sublist if isinstance(x, numbers.Number)]) for sublist in mainlist]

鉴于：

如果您必须有一个内衬：

[sum(w)/float(len(w)) if w else w for w in [[z for z in y if isinstance(z, numbers.Number)] for y in x]]

鉴于：

如果您必须有一个内衬：

[sum(w)/float(len(w)) if w else w for w in [[z for z in y if isinstance(z, numbers.Number)] for y in x]]

您是特别想要一条线，还是尽可能短的线？我很确定你不能只在一行中完成，因为你至少要完成2到3个不同的高级操作。尽可能短的工作！我只是想有一个更聪明的方法来做这件事，而不是迭代每个子列表，检查它是否是“L”，递增计数器和总和，等等。为什么结果是
[2，[]，1]
而不是
[2，0，1]
？@Zoozy：空列表上的平均值是未定义的，而不是0。我可能会使用
None
或
float（“nan”）
作为未定义的值。@jamylak，好吧，当然，我想有一些嵌套的列表理解。。。但是男人，这会很难看。你是特别想要一条线，还是尽可能短的线？我很确定你不能只在一行中完成，因为你至少要完成2到3个不同的高级操作。尽可能短的工作！我只是想有一个更聪明的方法来做这件事，而不是迭代每个子列表，检查它是否是“L”，递增计数器和总和，等等。为什么结果是
[2，[]，1]
而不是
[2，0，1]
？@Zoozy：空列表上的平均值是未定义的，而不是0。我可能会使用
None
或
float（“nan”）
作为未定义的值。@jamylak，好吧，当然，我想有一些嵌套的列表理解。。。但是人类会很难看。如果len（filtered）

和

if filtered

在封面下的功能不一样吗？哪个更简洁？

如果filtered，则返回np.mean（filtered）if else[]

sum（[]）==0

所以

0

是一个更一致的选择。@wim：使用NumPy，我只会做

NumPy.mean（filtered）

，对于空输入返回

nan

。@J.F.Sebastian:平均值将是

sum（[]）/len（[]）

，这是未定义的，而不是零。如果len（filtered），则

与
如果filtered
，则封面下的功能不一样吗？这更为简洁？
如果filtered，则返回np.mean（filtered）
sum（[]）==0
因此
0
是一个更加一致的选择。@wim:使用NumPy，我只需执行
NumPy.mean（筛选）
，它会为空输入返回
nan
。@J.F.Sebastian:平均值将是
sum（[]）/len这是未定义的，而不是零。