用前3个非None元素平均值替换列表None值（需大于对应列表元素）

原始数据 #

dataa = [11, 18, 84, 51, 82, 1, 19, 45, 83, 22]
datab = [1, None, 40, 45, None, None, 23, 24, None, None]

需求说明 #

替换datab中的所有None值，规则如下：

• 仅当该位置前3个非None元素的平均值大于dataa对应位置的元素时，才将None替换为该平均值；
• 若前序非None元素不足3个，直接保留None。

尝试过的代码 #

第一次尝试（存在报错问题） #

直接取当前位置前3个元素计算平均值，但当前序元素包含None时会触发计算错误：

for i in range(len(dataa)):
        if (datab[i] == None):
                a = (datab[i-3]+datab[i-2]+datab[i-1])/3
                if ((datab[i-3]+datab[i-2]+datab[i-1])/3 > dataa[i]):
                        datab[i] = dataa[i]

第二次尝试（结果不符合预期） #

尝试维护运行总计，但逻辑有误，导致部分场景处理不符合要求：

c = 0;
a = 0;
for i in range(len(dataa)):
        c = c + 1
        if (datab[i] == None):
                if (a > dataa[i]):
                        datab[i] = a
        else:
                if (c > 2):
                        a = (a * 3 + datab[i])/3

预期处理逻辑 #

• 第1、2、3个元素：前序非None元素不足3个，保持原样；
• 第5个元素（datab为None，dataa对应值82）：前3个非None元素平均值为(1+40+45)/3 ≈28.66，不大于82，保留None；
• 第6个元素（datab为None，dataa对应值1）：前3个非None元素平均值28.66大于1，替换为该平均值；
• 第9个元素（datab为None，dataa对应值83）：前3个非None元素平均值为(28.66+23+24)/3≈25.22，不大于83，保留None；
• 第10个元素（datab为None，dataa对应值22）：前3个非None元素平均值25.22大于22，替换为该平均值。

正确实现代码 #

通过维护一个长度不超过3的队列，记录最近的非None元素，确保每次计算平均值时都是有效的前序非None元素：

dataa = [11, 18, 84, 51, 82, 1, 19, 45, 83, 22]
datab = [1, None, 40, 45, None, None, 23, 24, None, None]

# 保存最近3个非None元素的队列
recent_non_none = []

for idx in range(len(datab)):
    current_val = datab[idx]
    if current_val is not None:
        # 添加到队列，超过3个则移除最早的元素
        recent_non_none.append(current_val)
        if len(recent_non_none) > 3:
            recent_non_none.pop(0)
    else:
        # 检查是否有足够的前序非None元素
        if len(recent_non_none) >= 3:
            avg = sum(recent_non_none) / 3
            if avg > dataa[idx]:
                # 保留两位小数，与预期结果对齐
                datab[idx] = round(avg, 2)

print(datab)

预期输出 #

[1, None, 40, 45, None, 28.67, 23, 24, None, 25.22]

注：若需严格保留28.66而非四舍五入后的28.67，可将round(avg,2)改为float("{0:.2f}".format(avg))，实际计算值为86/3≈28.666...，四舍五入后为28.67。

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