Python: media de sublista consecutiva
<h2>Introducción <p>Python es un dialecto de programación flexible conocido por su facilidad y lucidez. Cuando se trabaja con registros o grupos, periódicamente resulta útil calcular el cruel (normal) de las sublistas secuenciales. Esta operación se puede realizar utilizando diversos métodos, cada uno con su propio algoritmo y pasos. En este artículo, exploraremos tres estrategias comunes para calcular la media de sublistas secuenciales en Python. Examinaremos los cálculos detrás de cada enfoque, daremos explicaciones paso a paso e incorporaremos fragmentos de código con sus rendimientos comparativos.
Python: media de sublista consecutiva
Calcular la media de sublistas consecutivas puede ser una tarea común en el examen y procesamiento de información. En Python, existen diferentes enfoques para lograr esto y se puede seleccionar la estrategia más adecuada en función de requisitos previos y preferencias particulares. Un enfoque directo incluye emplear un círculo. La lista de entrada se repite empleando un círculo y, para cada énfasis, se extrae una sublista de una medida indicada. La media de la sublista se calcula luego sumando los componentes y separándolos por la medida de la sublista. Esta preparación se repite para todas las sublistas sucesivas, y los siguientes implica que se guardan en una lista aislada.
Acercarse
Enfoque 1: uso de la comprensión de listas
Enfoque 2: uso de la biblioteca NumPy
Enfoque 1: Python: media de sublistas consecutivas mediante comprensión de listas
El enfoque de momento utiliza el control de comprensión de listas para lograr el mismo resultado de una manera más breve.
En este enfoque, la comprensión de listas tipifica la justificación para calcular la media de cada sublista secuencial. El rango de comprensión está equilibrado para repetir los registros que se comparan con las posiciones iniciales de las sublistas. La sublista se obtiene mediante corte y la media se calcula dentro de la propia comprensión. Los pasos incluidos son los siguientes:
Algoritmo
Paso 1:Caracterizar la lista de entrada y la medida de la sublista como en el método anterior.
Paso 2:Utilice la comprensión de listas para formar una lista moderna que contenga las implicaciones de sublistas consecutivas.
Paso 3:Imprima o utilice la siguiente lista según lo desee.
Ejemplo
#intilailize the list
input_list = [1, 2, 3, 4, 5, 6, 7, 8, 9 ]
sublist_size = 3
# Create a new list that contains the means of consecutive sublists using list comprehension
result_list = [sum(input_list[i:i+sublist_size]) / sublist_size for i in range(0, len(input_list),3)]
#display the computed result
print(result_list)
Producción
[2.0, 5.0, 8.0]
Enfoque 2: Python: media de sublistas consecutivas utilizando la biblioteca Numpy
El segundo enfoque aprovecha el control de la biblioteca NumPy, que proporciona un conjunto completo de capacidades para operaciones numéricas. Este enfoque requiere la introducción de la biblioteca NumPy desde hace algún tiempo.
En este enfoque, utilizamos una lista por comprensión anidada para formar un grupo de sublistas secuenciales. La función numpy.mean() está en ese punto conectada a lo largo del eje requerido (eje=1) para calcular las medias de cada sublista. El grupo que viene contiene las implicaciones de sublistas sucesivas. Los pasos incluidos son los siguientes:
Algoritmo
Paso 1:Incluye el módulo NumPy en tu script de Python.
Paso 2:Caracterice la lista de entrada y la estimación de la sublista como antes.
Paso 3:Utilice el trabajo numpy.mean() para calcular las implicaciones de las sublistas continuas.
Paso 4:Imprima o utilice el grupo emergente según sea necesario.
Ejemplo
#import the required module
import numpy as np
#intialize the list
input_list = [1, 2, 3, 4, 5, 6, 7, 8, 9]
sublist_size = 3
# Create an array of consecutive sublists, calculate the mean along axis 1
result_array = [np.mean(np.array(input_list[i:i+3])) for i in range(0, len(input_list), 3)]
#Finally print the resulting value
print(result_array)
Producción
[2.0, 5.0, 8.0]
Conclusión
Investigamos dos enfoques diferentes para calcular la media de sublistas consecutivas en Python. Hablamos sobre los cálculos detrás de cada enfoque y dimos explicaciones del código paso a paso. Al utilizar bucles, comprensión de listas o la biblioteca NumPy, podrá calcular productivamente las implicaciones y realizar análisis de ayuda de su información. La adaptabilidad de Python y su rico sistema biológico de bibliotecas le permiten elegir el método que mejor se adapte a sus requisitos previos y estilo de codificación. Ya sea que se incline por una disposición más rápida basada en bucles, una comprensión de lista concisa o la potente utilidad de NumPy, Python proporciona las herramientas para calcular el número de sublistas consecutivas de manera efectiva.