Python – 连续子列表的平均值
简介
Python 是一种灵活的编程语言，以其简单和清晰而闻名。处理记录或集群时，计算连续子列表的平均值通常很有用。可以使用不同的方法完成此操作，每种方法都有自己的算法和步骤。在本文中，我们将探讨三种常用的方法来计算 Python 中连续子列表的平均值。我们将研究每种方法背后的计算，提供分步说明，并将代码片段与它们的比较结果结合起来。
Python-连续子列表的平均值
计算连续子列表的平均值是数据分析和处理中的常见任务。在 Python 中，有多种方法可以实现此目的，并且可以根据特定要求和偏好选择最合适的方法。一种直接的方法是使用圆圈。使用循环迭代输入列表，对于每个重点，提取指定度量的子列表。然后通过对元素求和并按子列表度量对其进行除法来计算子列表的平均值。对所有连续子列表重复此过程，并将得出的平均值存储在单独的列表中。
方法
方法 1:使用列表理解
方法 2:使用 NumPy 库
方法 1:Python - 使用列表理解计算连续子列表的平均值
第二种方法利用列表理解的原理以更简单的方式实现相同的结果。
在这种方法中，列表理解代表了计算每个连续子列表平均值的理由。理解的范围经过平衡，以重复与子列表起始位置进行比较的记录。使用切割获得子列表，并在理解本身内计算平均值。所包含的步骤如下:
算法
步骤 1:将输入列表和子列表大小定义为上一种方法。
步骤 2:使用列表推导式创建一个包含连续子列表平均值的新列表。
步骤 3:根据需要打印或使用列表中的结果。
示例
#初始化列表 input_list = [1, 2, 3, 4, 5, 6, 7, 8, 9 ] sublist_size = 3 # 使用列表推导式创建一个包含连续子列表平均值的新列表 result_list = [sum(input_list[i:i+sublist_size]) / sublist_size for i in range(0, len(input_list),3)] #显示计算结果 print(result_list)
输出
[2.0, 5.0, 8.0]
方法 2:Python - 使用 Numpy 库计算连续子列表的平均值
第二种方法利用 NumPy 库的控制，该库提供了一套全面的数值运算功能。这种方法需要在继续之前安装 NumPy 库。
在这种方法中，我们使用嵌套列表推导来形成连续子列表的集群。然后沿着所需轴(axis=1)连接 numpy.mean() 函数以计算每个子列表的平均值。最终的集群包含连续子列表的平均值。所包含的步骤如下:
算法
步骤 1:将 NumPy 模块添加到 Python 脚本中。
步骤 2:像前面一样定义输入列表和子列表值。
步骤 3:使用 numpy.mean() 函数计算连续子列表的平均值。
步骤 4:根据需要打印或使用以下生成的集群。
示例
#导入所需模块 import numpy as np #初始化列表 input_list = [1, 2, 3, 4, 5, 6, 7, 8, 9] sublist_size = 3 # 创建一个连续子列表的数组，沿轴 1 计算平均值 result_array = [np.mean(np.array(input_list[i:i+3])) for i in range(0, len(input_list), 3)] #最后打印结果值 print(result_array)
输出
[2.0, 5.0, 8.0]
结论
我们研究了两种不同的方法来计算 Python 中连续子列表的平均值。我们讨论了每种方法背后的计算，并逐步解释了代码。通过使用循环、列表推导或 NumPy 库，您可以有效地计算平均值并对数据执行辅助分析。 Python 的灵活性和丰富的库系统允许您选择最适合您的要求和编码风格的方法。无论您倾向于更简单的基于循环的方案、简洁的列表理解还是 NumPy 的强大功能，Python 都提供了有效计算连续子列表长度的工具。
