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
相关产品推荐

