Python – Média de Sublista Consecutiva
<h2>Introdução <p>Python pode ser um dialeto de programação flexível conhecido por sua facilidade e lucidez. Ao trabalhar com registros ou clusters, é regularmente útil calcular o cruel (normal) das sublistas sequenciais. Esta operação pode ser concluída utilizando diversas abordagens, cada uma com seu próprio algoritmo e etapas. Neste artigo, exploraremos três estratégias comuns para calcular a média de sublistas sequenciais em Python. Examinaremos os cálculos por trás de cada abordagem, daremos explicações passo a passo e incorporaremos trechos de código com seus resultados de comparação.
Python-média de sublista consecutiva
Calcular a média de sublistas consecutivas pode ser uma tarefa comum no exame e processamento de informações. Em Python, existem diferentes abordagens para conseguir isso, e pode-se selecionar a estratégia mais adequada com base em pré-requisitos e preferências específicas. Uma abordagem direta inclui o emprego de um círculo. A lista de entrada é iterada empregando um círculo e, para cada ênfase, uma sublista de uma medida indicada é extraída. A média da sublista é calculada somando os componentes e separando-os pela medida da sublista. Esta preparação é repetida para todas as sublistas sucessivas, e as implicações que surgem são guardadas em uma lista isolada.
Abordagem
Abordagem 1: Usando compreensão de lista
Abordagem 2: Usando a Biblioteca NumPy
Abordagem 1: Python - Média de sublista consecutiva usando compreensão de lista
A abordagem do momento utiliza o controle da compreensão da lista para atingir o mesmo resultado de forma mais breve.
Nesta abordagem, a compreensão da lista tipifica a lógica para calcular a média de cada sublista sequencial. A faixa de compreensão é equilibrada para ser repetida nos registros que se comparam às posições iniciais das sublistas. A sublista é obtida por meio de corte, e a média é calculada dentro da própria compreensão. As etapas incluídas são as seguintes:
Algoritmo
Etapa 1:Caracterize a lista de entrada e a medida da sublista como na abordagem anterior.
Etapa 2:Utilize a compreensão da lista para formar uma lista moderna que contenha as implicações de sublistas consecutivas.
Etapa 3:Imprima ou utilize o restante da lista conforme desejado.
Exemplo
#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)
Saída
[2.0, 5.0, 8.0]
Abordagem 2: Python - Média de sublistas consecutivas usando a biblioteca Numpy
A segunda abordagem aproveita o controle da biblioteca NumPy, que fornece um conjunto abrangente de capacidades para operações numéricas. Esta abordagem requer a introdução da biblioteca NumPy há algum tempo, continuando recentemente.
Nesta abordagem, utilizamos uma compreensão de lista aninhada para formar um cluster de sublistas sequenciais. A função numpy.mean() está nesse ponto conectada ao longo do eixo necessário (eixo=1) para calcular as médias de cada sublista. O cluster emergente contém as implicações de sublistas sucessivas. As etapas incluídas são as seguintes:
Algoritmo
Etapa 1:Inclua o módulo NumPy em seu script Python.
Etapa 2:Caracterize a lista de entrada e a estimativa da sublista como antes.
Etapa 3:Utilize o trabalho numpy.mean() para calcular as implicações de sublistas contínuas.
Etapa 4:Imprima ou utilize o próximo cluster conforme desejado.
Exemplo
#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)
Saída
[2.0, 5.0, 8.0]
Conclusão
Investigamos duas abordagens diferentes para calcular a média de sublistas consecutivas em Python. Conversamos sobre os cálculos por trás de cada abordagem e demos explicações passo a passo do código. Usando loops, compreensão de lista ou a biblioteca NumPy, você calculará as implicações de forma produtiva e realizará análises de suporte em seus dados. A adaptabilidade do Python e o rico sistema biológico de bibliotecas permitem que você escolha o método que melhor se adapta aos seus pré-requisitos e estilo de codificação. Quer você opte por um arranjo baseado em loop mais expresso, uma compreensão de lista concisa ou a utilidade poderosa do NumPy, o Python fornece os aparatos para calcular a crueldade de sublistas consecutivas de maneira eficaz.