按列表首元素分组计算均值：寻求更Pythonic的实现方法

当然有更Pythonic的实现方式啦！不用依赖pandas，用Python标准库就能轻松搞定，这里给你两种实用的思路：

方法一：用collections.defaultdict（推荐，无需排序） #

这种方法不需要提前对列表排序，直接遍历分组，逻辑直观易懂，非常适合处理无序的原始数据：

from collections import defaultdict
from statistics import mean  # 用标准库的mean函数更简洁

l = [(('01001', '01003'), 4.15), (('01001', '01005'), 2.83), (('01001', '01007'), 3.32), (('01002', '01009'), 6.83), (('01002', '01011'), 2.53), (('01003', '01013'), 20.50), (('01003', '01013'), 20.50)]

# 初始化一个默认值为列表的字典，用来收集每个分组的数值
grouped_data = defaultdict(list)
for (primary_key, _), value in l:
    grouped_data[primary_key].append(value)

# 计算每个分组的均值
result = {key: mean(values) for key, values in grouped_data.items()}
print(result)
# 输出: {'01001': 3.433333333333333, '01002': 4.68, '01003': 20.5}

方法二：用itertools.groupby（适合有序列表） #

如果你的原始列表已经是按分组键（比如'01001'这类首项）连续排列的，用groupby会更高效；如果无序，需要先排序：

from itertools import groupby
from statistics import mean
from operator import itemgetter

l = [(('01001', '01003'), 4.15), (('01001', '01005'), 2.83), (('01001', '01007'), 3.32), (('01002', '01009'), 6.83), (('01002', '01011'), 2.53), (('01003', '01013'), 20.50), (('01003', '01013'), 20.50)]

# 先按分组键排序（如果原列表已经有序可以跳过这一步）
sorted_list = sorted(l, key=lambda x: x[0][0])

# 按首项分组并计算均值
result = {}
for key, group in groupby(sorted_list, key=lambda x: x[0][0]):
    # 提取当前组的所有数值
    values = [item[1] for item in group]
    result[key] = mean(values)

print(result)
# 输出和上面一致

小提示 #

用statistics.mean代替自己写sum(values)/len(values)会更Pythonic，而且它还能处理一些 edge case（比如空列表会抛出合理的异常，而不是返回NaN）。

这两种方法都属于纯标准库实现，不需要额外安装依赖，完全符合Pythonic的简洁、高效原则，你可以根据自己的列表是否有序来选择合适的方法~

内容的提问来源于stack exchange，提问作者cwohlfart