如何从二维数组中按首元素分组高效计算最小值、最大值及平均值？

嘿，先说说你当前代码里的几个问题哈：

• 从文件读出来的list_of_lists是字符串类型，不是真正的Python列表，直接遍历它会把每个字符当成单独元素，完全不符合你的需求；
• 你搞反了子数组的索引逻辑：要按子数组的首元素（也就是sub_list[0]）分组，但你的代码里用了list[1]，完全搞反了分组依据；
• 用嵌套列表推导的方式分组，会多次遍历原数组，当数组规模很大时，这种方式的时间开销会非常大。

最高效的实现思路 #

因为你的首元素取值范围固定是1-7，我们可以利用这个特点，只遍历原数组一次就完成所有元素的分组，时间复杂度为O(n)——这是理论上的最优复杂度，毕竟你总得把所有元素都处理一遍对吧？

具体逻辑很清晰：

1. 把文件中的字符串内容解析成真正的Python二维列表；
2. 提前初始化一个字典，键为1到7，对应的值是空列表，用来存储每组的第二个元素；
3. 遍历每个子数组，将第二个元素追加到对应键的列表中；
4. 对每个组的元素列表，调用Python内置的高效方法计算最小值、最大值和平均值。

完整可运行代码 #

# 读取文件并安全解析为Python列表
with open("myfile.txt", "r") as file:
    # 用ast.literal_eval替代eval，避免执行恶意代码，更安全
    import ast
    raw_content = file.read().strip()
    list_of_lists = ast.literal_eval(raw_content)

# 初始化分组字典，键覆盖1-7的所有可能值
groups = {key: [] for key in range(1, 8)}

# 一次遍历完成分组操作，无额外遍历开销
for sub_list in list_of_lists:
    first_elem = sub_list[0]
    # 过滤掉首元素不在1-7范围内的无效数据
    if 1 <= first_elem <= 7:
        groups[first_elem].append(sub_list[1])

# 计算并输出每个组的统计结果
for key in sorted(groups.keys()):
    values = groups[key]
    if not values:
        print(f"Group {key}: No valid data found")
        print("---")
        continue
    # 用Python内置函数计算，底层是优化过的C实现，速度极快
    min_val = min(values)
    max_val = max(values)
    avg_val = sum(values) / len(values)
    # 按要求格式输出，平均值保留两位小数更直观
    print(f"Min for first element with {key}: {min_val}")
    print(f"Max for first element with {key}: {max_val}")
    print(f"Average: {avg_val:.2f}")
    print("---")

为什么这是最高效的？ #

• 单次遍历：只需要遍历原数组一次就完成分组，没有重复遍历的额外开销；
• O(1)查找：用字典直接定位对应分组，查找时间复杂度为常数级；
• 内置函数优化：min()、max()、sum()都是Python底层用C实现的高效函数，比手动循环计算快得多。

如果你的文件特别大（比如几GB级别的超大数组），一次性读入内存会有压力，这时候可以考虑修改为逐块解析的方式，但对于常规大小的文件，上面的方案已经足够高效且简洁。

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