如何基于列表长度动态实现数组均值计算（Python）

嘿，这个需求很常见，我们完全可以用Python的列表推导式来实现通用逻辑，再也不用手动逐个列出每个数组啦！

核心思路 #

你现在手动写的[C[0][0], C[1][0], ..., C[n-1][0]]，本质是遍历嵌套列表的每一个子项，取出子项里的第一个元素（也就是索引为0的数组），然后把这些数组汇总成一个列表传给np.mean。用列表推导式可以自动完成这个遍历和提取的过程，不管你的嵌套列表有多少个元素都适用。

具体实现 #

直接使用列表推导式

import numpy as np

# 你的示例A
A = [
    [np.array([[1., 4.3, 0., 0.], [0., 0., 0., 0.], [0., 0., 0., 0.], [0., 0., 0., 0.]])],
    [np.array([[5., 0., 0., 0.], [0., 0., 0., 0.], [0., 0., 0., 0.], [0., 0., 0., 0.]])]
]

# 通用计算均值的代码，不管A有2个元素还是B有3个元素都能用
mean_A = np.mean([item[0] for item in A], axis=0)

# 示例B
B = [
    [np.array([[1., 0., 0., 0.], [0., 0., 0., 0.], [0., 0., 0., 0.], [0., 0., 0., 0.]])],
    [np.array([[2., 0., 0., 0.], [0., 0., 0., 0.], [0., 0., 0., 0.], [0., 0., 0., 0.]])],
    [np.array([[3., 0., 0., 0.], [0., 0., 0., 0.], [0., 0., 0., 0.], [0., 0., 0., 0.]])]
]

mean_B = np.mean([item[0] for item in B], axis=0)

封装成函数（更推荐，方便复用）

如果需要多次使用这个逻辑，把它封装成一个函数会更省心：

def calculate_nested_array_mean(nested_list):
    # 自动提取每个子列表中的第一个数组
    target_arrays = [sub_list[0] for sub_list in nested_list]
    # 计算均值
    return np.mean(target_arrays, axis=0)

# 调用示例
mean_A = calculate_nested_array_mean(A)
mean_B = calculate_nested_array_mean(B)

为什么这个方法有效？ #

• 列表推导式[sub_list[0] for sub_list in nested_list]会自动遍历nested_list中的每一个子列表（比如A里的[array(...)]），然后取出每个子列表的第0个元素（也就是你要的4×4矩阵）。
• 把提取后的数组列表传给np.mean，指定axis=0就能和你之前手动写的代码得到完全一样的结果——按列计算所有矩阵的均值。

内容的提问来源于stack exchange，提问作者Aalok Parkash