python中列表数据汇总和平均值_对数据进行分类，计算每个类别的平均值和标准差...

我假设你的矩阵在一个列表列表中，并向你展示如何开始。(然而，正如我在一篇评论中提到的，如果你把矩阵放在一个numpy array或matrix中，它也会变得更加简单和快速。)

如果您只是将该值作为一个大的多行字符串，则可以将其转换为浮动列表，如下所示：m = [[float(col) for col in line.split()] for line in s.splitlines()]

现在，通过“根据第6列对这些数字进行分类”，听起来您想要的是按该列的整数值对它们进行分组。在

Python附带了一个^{}函数，它可以完成您在这里想要的大部分功能，但是您必须首先对数据进行排序。在

在Python中，排序和分组以及相关函数总是允许您传递键函数。您不必对第6列进行排序和分组，您可以使用第6列作为键对整行进行排序和分组。在

但实际上，您不想使用第6列的值作为键，而是要使用第6列的整数值。对于前者，您应该使用stdlib中的^{}函数，但是要做更复杂的事情，最好为其编写一个函数：

^{pr2}$

(如果您重复这样做，您可能需要编写一个包装器函数，该函数使用相同的键对其进行排序和分组，这样就不必重复自己的操作，从而出错。)

它提供的是一个内部有迭代器的迭代器，打印出来有点困难：[(k, list(g)) for k, g in groups]

…但你得到的是：[(68,

[[3917.0, 1.0, -0.662261, 25.148, 22.9354, 68.8076],

[3919.0, 1.0, -9.56836, -23.3265, -61.953, 68.8357]]),

(69,

[[3918.0, 1.0, 12.7649, 18.7451, 7.68473, 69.0063],

[3920.0, 1.0, 11.6292, 31.6525, -29.3697, 69.1372],

[3921.0, 2.0, 26.4837, -66.7897, 12.0257, 69.2282],

[3922.0, 1.0, -9.81652, 14.3788, 9.38343, 69.1217],

[3923.0, 2.0, 39.931, -88.1879, 109.498, 69.1604],

[3924.0, 1.0, 4.5502, 3.53887, -6.59604, 69.486],

[3925.0, 2.0, 13.6801, -24.6628, -5.7568, 69.9398]]),

(70, [[3926.0, 1.0, -10.5635, 7.05517, -8.82785, 70.2263]])]

因此，每个k是该类别分组的整数，每个g是该类别中的所有行(按排序顺序)。在

(注意，因为groups是一个迭代器，如果print这个，groups现在将为空。)

这就解决了你的第一个问题，我想你的第二个问题(我不确定你到底想要什么)。在

对于第三种情况，首先需要遍历组：for k, g in groups:

如果要在组中循环多次，则需要立即创建一个列表，然后循环该列表。在

对于每个组，您需要对多个列执行一些统计工作。最简单的方法是使用一个模块来处理所有的数学问题。PyPI上的^{}模块是一个不错的选择，尤其是现在(稍作改动)它可能会最终进入即将发布的Python版本的标准库中。在

但我只想说明一下，因为那是微不足道的。在

所以：def mean(sequence):

return sum(sequence) / len(sequence)

for k, g in groups:

rows = list(g)

print(k)

for column_index in 2, 3, 4:

column = [row[column_index] for row in rows]

print(mean(column))

可能有很多代码不能满足您的需要，但希望它足以让您开始，并在遇到困难时提出更具体的问题。在