Python多条件列表推导式报错求助：基于均值中位数赋值

完全可以在单个列表推导式中实现类似elif的多分支逻辑，不需要改用循环。你的代码报错是因为条件判断的嵌套语法错误，把类型判断的位置放错了。

错误分析 #

你写的skew行列表推导式，最后一个if any(...)的位置不符合Python语法规则。正确逻辑应该是先判断列是否为数值类型，再根据中位数和均值的关系返回对应结果，否则返回空格。原代码把类型判断放在了最内层的条件分支里，导致语法结构混乱。

修正后的代码 #

from sklearn.datasets import load_iris

bunch = load_iris(as_frame=True)
df = bunch.data.reset_index().rename(columns={"index": "id"}).merge(bunch.target.reset_index().rename(columns={"index": "id"})).drop(["id"], axis=1)

# 修正后的skew列表推导式
datasummary_dct = {
   "50%": [df[col].median().round(2) if any(t in str(df[col].dtype) for t in ("float", "int", "time")) else " " for col in df.columns],
   "mean": [df[col].mean().round(2) if any(t in str(df[col].dtype) for t in ("float", "int", "time")) else " " for col in df.columns],
   "skew": [
       "left" if df[col].median() > df[col].mean() 
       else "right" if df[col].median() < df[col].mean() 
       else "equal" 
       if any(t in str(df[col].dtype) for t in ("float", "int", "time")) 
       else " " 
       for col in df.columns
   ],
}

优化建议（可选） #

因为多次重复判断列类型的逻辑，可以把它提取成一个小函数，让代码更清晰易维护：

def is_numeric(col):
    dtype = str(col.dtype)
    return any(t in dtype for t in ("float", "int", "time"))

datasummary_dct = {
   "50%": [col.median().round(2) if is_numeric(col) else " " for _, col in df.items()],
   "mean": [col.mean().round(2) if is_numeric(col) else " " for _, col in df.items()],
   "skew": [
       "left" if col.median() > col.mean() 
       else "right" if col.median() < col.mean() 
       else "equal" 
       if is_numeric(col) 
       else " " 
       for _, col in df.items()
   ],
}

逻辑说明 #

列表推导式里的多分支判断遵循A if 条件1 else B if 条件2 else C的结构，完全对应普通if-elif-else的逻辑：

1. 先判断是否为数值类型，如果不是直接返回" "
2. 如果是数值类型，再依次判断中位数和均值的大小关系，返回对应的"left"/"right"/"equal"

内容的提问来源于stack exchange，提问作者plotmaster473