Python3中如何更高效实现相邻tempAvg降幅≥1的检测任务

你不需要逐一定义单条记录的变量、逐个写判断语句，用循环遍历序列的方式就能极简实现需求，适配任意长度的采集数据。

实现步骤 #

• 批量提取全量温度数据：用列表推导式一次性从返回的字典结构里拉出所有采集点的tempAvg值，无需逐行写索引赋值
• 遍历相邻数据做判断：从第二条数据开始遍历，每次拿当前数据和前一条数据计算差值，满足降幅≥1的条件就记录/输出结果即可

可直接运行的代码示例 #

# 1. 批量提取所有采集点的平均温度，自动适配288条单日采集记录
temp_records = [obs['metric']['tempAvg'] for obs in response['observations']]

# 2. 遍历相邻采集点做降幅判断
for i in range(1, len(temp_records)):
    prev = temp_records[i-1]
    current = temp_records[i]
    drop = prev - current
    if drop >= 1:
        # 可按需调整输出/存储逻辑，这里默认打印降幅和对应采集位置
        print(f"第{i-1}到第{i}个采集点，温度下降幅度：{drop}")

扩展说明 #

如果需要留存所有符合条件的降幅记录做后续分析，只需要在循环前初始化一个空结果列表，判断符合条件时将「采集位置、前序温度、当前温度、降幅」打包存入列表即可，无需修改核心遍历逻辑。

这种写法的优势：

• 代码量从数百行压缩到10行以内，无冗余重复代码
• 逻辑和数据量解耦，不管后续采集间隔调整、单日采集条数变化，代码不需要做任何修改
• 调整判断规则时只需要修改一次if条件，不需要逐行改重复的判断语句

内容的提问来源于stack exchange，提问作者Lachlan B