You need to enable JavaScript to run this app. Python无外部库实现嵌套列表患者数据按月份分组提取体重值
优惠活动
大模型
产品
解决方案
定价
更多

Python无外部库实现嵌套列表患者数据按月份分组提取体重值

你当前代码的核心问题

现有实现没有做分维度存储的逻辑,最终只会把所有患者的体重拼成一个扁平的列表,完全达不到“每个月份对应独立子列表存当月体重”的目标。问题主要在两点:

  • 嵌套循环逻辑冗余:遍历每个患者时没必要循环1-12月做匹配,直接取出当前患者对应的月份值即可,能减少无效运算
  • 没有提前搭建12个月份的存储容器,所有追加操作都写到同一个month_data列表里,天然没法区分体重属于哪个月

可直接理解的实现步骤(无第三方库)

1. 提前初始化月份分组容器

因为月份是固定1-12的连续值,直接生成一个包含12个空列表的总列表,每个位置对应一个月份的存储位:

# 列表推导生成12个空列表,索引0对应1月,索引1对应2月,以此类推到索引11对应12月
month_groups = [[] for _ in range(12)]

如果对列表推导不熟悉,等价的直白循环写法是:

month_groups = []
for i in range(12):
    month_groups.append([])

2. 逐行遍历患者数据做匹配

不需要嵌套循环1-12月,每拿到一条患者记录,直接定位对应的月份位置即可:

for patient in patients:
    # 定位日期子列表,取出月份字符串转整数(你之前找到的patient[2][1]位置是对的)
    current_month = int(patient[2][1])
    # 取出体重字符串转整数,方便后续计算平均值
    current_weight = int(patient[5])
    # 因为我们的分组列表是0索引,月份值要减1得到正确索引
    target_group_index = current_month - 1
    # 把当前患者体重追加到对应月份的子列表里
    month_groups[target_group_index].append(current_weight)

对应测试数据的实际运行结果

拿你提供的3条患者数据跑完全部逻辑后,最终的month_groups结构为:

[
  [210],  # 1月的体重集合
  [150],  # 2月的体重集合
  [170],  # 3月的体重集合
  [],     # 4月(无对应患者则保持空列表)
  [], [], [], [], [], [], [], [], []  # 5-12月的空集合
]

这个结构和你要求的data_grouped_month格式完全匹配,后续计算各月平均值时,直接遍历每个子列表做求和除以长度即可,不需要再做额外分组操作。

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

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.26 02:24:04