我想从列表中找到包含正数和负数的所有负数的均值。我可以找到列表的平均值
import numpy as np
listA = [ [2,3,-7,-4] , [-2,3,4,-5] , [-5,-6,-8,2] , [9,5,13,2] ]
listofmeans = [np.mean(i) for i in listA ]
我想创建一个类似的一行代码,它只取列表中负数的平均值。因此,例如,新列表的第一个元素是(-7 + -4)/ 2 = -5.5
我的完整列表将是:
listofnegativemeans = [ -5.5, -3.5, -6.333333, 0 ]
答案 0 :(得分:3)
您可以使用以下内容:
listA = [[2,3,-7,-4], [-2,3,4,-5], [-5,-6,-8,2], [9,5,13,2]]
means = [np.mean([el for el in sublist if el < 0] or 0) for sublist in listA]
print(means)
<强>输出强>
[-5.5, -3.5, -6.3333, 0.0]
如果sublist
中的所有元素均不小于0
,则列表推导将评估为[]
。通过包含表达式[] or 0
,我们处理您希望将空列表的平均值评估为0
的场景。
答案 1 :(得分:2)
如果你正在使用numpy,你应该争取使用numpythonic代码,而不是回归到python逻辑。这意味着使用numpy的ndarray数据结构,以及数组的常用索引样式,而不是python循环。
通常的手段:
>>> listA
[[2, 3, -7, -4], [-2, 3, 4, -5], [-5, -6, -8, 2], [9, 5, 13, 2]]
>>> A = np.array(listA)
>>> np.mean(A, axis=1)
array([-1.5 , 0. , -4.25, 7.25])
否定意味着:
>>> [np.mean(row[row<0]) for row in A]
[-5.5, -3.5, -6.333333333333333, nan]
答案 2 :(得分:1)
纯粹的numpy方式:
In [2]: np.ma.masked_greater(listA,0).mean(1).data
Out[2]: array([-5.5 , -3.5 , -6.33333333, 0. ])
答案 3 :(得分:0)
这就像是:
listA = np.array( [ [2,3,-7,-4] , [-2,3,4,-5] , [-5,-6,-8,2] , [9,5,13,2] ] )
listofnegativemeans = [np.mean(i[i<0]) for i in listA ]
输出:
[-5.5, -3.5, -6.333333333333333, nan]
零是误导,如果你没有任何负面因素,我绝对更喜欢nan
。