Question

我有大量的制表符分隔数据。我想计算每列的平均值。问题是某些值为“无”，我想执行计算并排除这些数据点。

数据结构如下所示：

0.0     0.5     0.0     0.142857142857  0.0     0.0
0.0     0.0     0.0     0.0             0.0     0.0
0.0     0.8     0.0     None            0.0     0.0

我正在使用此代码。不知道如何将条件添加到此：

data = [float(l.split('\t')[target_column_val]) \
           for l in open(target_file, 'r').readlines()]
mean = sum(data) / len(data)

Answer 1

open的默认模式为r或read。因此，我不会在r中添加open。我们从f获取一个文件对象。 f是可迭代的，因此我们遍历f中的所有行。

在我们这样做之后，我们可以按空格分割线，这样我们就可以使用for item in var.split()来为我们提供一个字符串列表，这些字符串是通过在f中拆分行而形成的

我们使用if != 'None'，因为这是摆脱"None"值的一种方法。最后我们追加float(item)。因为我们想要浮动而不是字符串。

with open('targe_file.txt') as f:
    final_list = [float(item) for var in f for item in var.split() if item != 'None']  # None is a string in this instance.

print final_list

尝试上面的代码，可以在迭代后将if语句添加到列表解析。

然后您可以像这样计算平均值：

mean = sum(final_list) / len(final_list)

我们可以使用sum函数来添加列表中的所有浮点数。 sum函数接受一个可迭代的对象，类似于list（我们的情况）或tuple。并len给你一个列表的长度。

Answer 2

查找map和zip个功能。这是一些示例（修改它以满足您的需求）

>>> from numpy import mean
>>>
>>> def safe_float(s):
...     try:
...         return float(s)
...     except ValueError:
...         return s
...
>>> def filter_none(lst):
...     return filter(lambda x: x<>'None', lst)
...
>>> source = ['0.0 0.5 0.0 0.142857142857 0.0 0.0',
...           '0.0 0.0 0.0 0.0 0.0 0.0',
...           '0.0 0.8 0.0 None 0.0 0.0']
>>>
>>> data = [map(safe_float, l.split()) for l in source]
>>> filtered_columns = map(filter_none, zip(*data))
>>> print map(mean, filtered_columns)
[0.0, 0.43333333333333335, 0.0, 0.071428571428499996, 0.0, 0.0]

Answer 3

您可以在理解中包含if条款：

[l for l in (stuff) if l != 'None']

看看我认为你想做什么，我认为应该这样做：

with open(target_file) as infile:
    col = (line.split('\t')[target_column_val] for line in infile)
    data = [float(x) for x in col if x != 'None']
    mean = sum(data)/len(data)

我的评论中的答案问题是，我认为它会将列向左移动，并导致您获得您可能不想要的值。

从列中计算平均值，不包括“无”值

3 个答案: