python列表求平均数_python大数据坐标列表求均值

现在我们有一个存储大量坐标的二维列表，想要求出每一行坐标的均值。如果用for循环的话，程序运行时间会非常长。上网查了很久，发现可以用pandas包DataFrame().groupby()函数。

求每一行的均值，也就是对y坐标相同的所有x坐标求平均数，代码如下：

L = [[1, 1], [1, 5], [2, 1], [2, 3],[1, 3]]

L1 = pd.DataFrame(L).groupby(1, as_index=False).mean().values.tolist()

L1=np.array(L1)

L1=L1[:,[1,0]]

print(L1)

如果相对x坐标相同的点，求y的均值，则可以：

L = [[1, 1], [1, 5], [2, 1], [2, 3],[1, 3]]

L1 = pd.DataFrame(L).groupby(0, as_index=False).mean().values.tolist()

print(L1)

最关键的就是第二行代码。两次唯一的区别就是，求y坐标相同的x均值时，得到的列表元素顺序颠倒了（我也不知道为什么），必须把两列交换过来，才会变成正确的坐标列表。因此第一段代码把L1变成了np.array，而第二段代码的结果仍是list。

还有另外一种方法交换列表的两列：

aa,bb=[],[]

for x,y in L1:

aa.append(y)

bb.append(x)

w=np.array([aa,bb]).transpose()

实验发现，第二种方法反而比第一种方法的速度快一点点（都很快了），虽然第一种看起来简单多了。

除了求均值以外，还有DataFrame().groupby().max()等其他方法，适用于大量数据的计算。

哦对了，别忘了import pandas as pd