我有这样的列表。将Python列表值的平均值转换为另一个列表
list = [["Joe", 5, 7], ["Joe", 6, 9], ["Mike", 1,4], ["Joe", 7,4], ["Mike", 5,7]]
我怎样才能该列表转换到一个列表是这样的：
list2 = [["Joe", 6.00, 6.66], ["Mike", 3.00, 5.50]]
list2中[0] [1]和list2中[1] [1]是从与spesific第一列表中的平均值人（6.00从(list[0][1]+list[1][1]+list[3][1])/3
来的时候，使用迭代这样的：
for i in range(len(list)):
...
或..类似的东西？因为我从SQLite导入列表并且列表总是在变化。
事情是这样的：
>>> from collections import OrderedDict
>>> lis = [["Joe", 5, 7], ["Joe", 6, 9], ["Mike", 1,4], ["Joe", 7,4], ["Mike", 5,7]]
>>> d = OrderedDict()
>>> for item in lis:
... d.setdefault(item[0], []).append(item[1:])
现在d包含：因为我们使用的OrderedDict这里
>>> d
OrderedDict([('Joe', [[5, 7], [6, 9], [7, 4]]), ('Mike', [[1, 4], [5, 7]])])
的有序见过的唯一密钥被保存在这里。
现在我们可以迭代这个字典并获得每个键的列的平均值。 zip与*让我们获得一个列表的转置很容易：
>>> zip(*[[5, 7], [6, 9], [7, 4]])
[(5, 6, 7), (7, 9, 4)]
>>>
最后名单的理解：
>>> [[k] + [sum(x)/float(len(x)) for x in zip(*v)] for k, v in d.items()]
[['Joe', 6.0, 6.666666666666667], ['Mike', 3.0, 5.5]]
您可以删除Python3的float电话。如果姓名'Joe'，'Mike'的顺序在输出列表中不重要，那么您可以简单地使用dict.setdefault的正常字典或使用collections.defaultdict。
>>> from itertools import groupby
>>> data = [["Joe", 5, 7], ["Joe", 6, 9], ["Mike", 1, 4], ["Joe", 7, 4], ["Mike", 5, 7]]
>>> data.sort()
>>> result = []
>>> for _, groups in groupby(d, lambda x: x[0]):
it = iter(zip(*groups))
row = [next(it)[0]]
for values in it:
row.append(sum(values)/len(values))
result.append(row)
>>> result
[['Joe', 6.0, 6.666666666666667], ['Mike', 3.0, 5.5]]
既然你说你从sqlite的导入列表中，你可能有兴趣在使用现有的数据包的处理，而不是由函数滚动自己的功能。例如，在pandas，您可以将数据加载到DataFrame：
>>> df = pd.DataFrame(yourlist)
>>> df
0 1 2
0 Joe 5 7
1 Joe 6 9
2 Mike 1 4
3 Joe 7 4
4 Mike 5 7
[5 rows x 3 columns]
>>> df.groupby(0).mean()
1 2
0
Joe 6 6.666667
Mike 3 5.500000
[2 rows x 2 columns]
现在使用pandas将是孤立的问题显著矫枉过正，但如果你从数据库中提取数据，你很可能会想要用数据做多件事情。
这适用于任意数量的您正在总结值（在你的情况下，两个）：
的Python 3
from collections import defaultdict
rows = [["Joe", 5, 7], ["Joe", 6, 9], ["Mike", 1,4], ["Joe", 7,4], ["Mike", 5,7]]
d = defaultdict(list)
for k, *v in rows:
d[k].append(v)
averages = [[k] + [sum(x)/len(v) for x in zip(*v)] for k, v in d.items()]
print(averages)
的Python 2
替换items()与iteritems()，在附近添加，使用print用空格，没有括号，并更改for环路
for row in rows:
d[row[0]].append(row[1:])
（Python 3中是肯定好看。）
说明
的defaultdict和for循环从名称创建一个映射到值的列表。
{'Mike': [[1, 4], [5, 7]], 'Joe': [[5, 7], [6, 9], [7, 4]]}
k, v in d.items()遍历每个名称和列表的列表。
zip(*v)需要类似[[5, 7], [6, 9], [7, 4]]并将其变为[[5, 6, 7], [7, 9, 4]]。然后我们对这些数据进行求和并除以原始列表的数量。
我们追加[k]和这个列表的平均值得到像['Joe', 6.0, 6.67]这样的列表。
顺便说一句，如果这是来自数据库，你有没有考虑过在那里做聚合？
一个替代解决方案。它有点复杂，但没有进口单线程。
map(lambda x : [x[0],float(x[1])/x[3],float(x[2])/x[3]],reduce(lambda x,y : x[0:(len(x)-1)] + [[x[-1][0],x[-1][1]+y[1],x[-1][2]+y[2],x[-1][3]+1]] if ((y[0] == x[-1][0]) if (len(x)>0) else False) else x + [[y[0],y[1],y[2],1]] ,arr,[]))
这绝对看起来不错。 +1 –