Python中高效展示不含无效值的联合概率分布表格

核心思路：先结构化数据，再过滤展示 #

把不规则的原始PMF转成统一的结构化格式，再用简洁的方式过滤+展示，彻底替代零散代码。

具体步骤（以Python为例） #

1. 转换不规则列表为结构化元组

假设你的原始不规则PMF是类似这样的（X的每个取值对应不同长度的Y概率列表）：

raw_pmf = [
    [0.1, 0.03, 0.07],  # X=0时，Y=0、1、2的概率
    [0.02, 0.2],        # X=1时，Y=0、1的概率
    [0.15]              # X=2时，Y=0的概率
]

先把它转成(X值, Y值, 概率)的元组列表，统一结构：

structured_pmf = []
for x, y_probs in enumerate(raw_pmf):
    for y, prob in enumerate(y_probs):
        structured_pmf.append( (x, y, prob) )

2. 过滤低于阈值的无效值

用列表推导式一行搞定过滤，比零散的循环判断清爽多了：

threshold = 0.05
valid_entries = [item for item in structured_pmf if item[2] >= threshold]

3. 封装展示逻辑，避免重复代码

把展示逻辑写成函数，后续要改格式或重新展示直接调用就行：

def show_valid_pmf(valid_data):
    print("有效联合概率：")
    for x, y, p in valid_data:
        print(f"X={x}, Y={y}, P={p:.3f}")

# 调用展示
show_valid_pmf(valid_entries)

4. 更简洁的整合写法

如果不需要保留中间的结构化数据，直接把转换+过滤合并成一行：

threshold = 0.05
valid_entries = [
    (x, y, prob)
    for x, y_probs in enumerate(raw_pmf)
    for y, prob in enumerate(y_probs)
    if prob >= threshold
]

show_valid_pmf(valid_entries)

为什么这方案更优？ #

• 结构化处理后逻辑清晰，不用再纠结不规则列表的索引问题
• 列表推导式和函数封装让代码复用性极强，改阈值或展示格式只需动一两处
• 完全跳过冗余的零值处理，只聚焦有效数据，避免无效循环

内容的提问来源于stack exchange，提问作者Dan Öz