列表列表

时间:2016-03-01 16:17:22

标签: python list numpy list-comprehension

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 ] 

4 个答案:

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

[-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