Python嵌套列表求平均值：匹配前两元素时计算第三元素均值

我最近在做一个练习，要求不能用Pandas DataFrame和内置mean函数，手动计算嵌套列表的分组平均值。具体需求是：当子列表的第一、第二个元素完全匹配时，把这些子列表的第三个元素算平均值，最后整理成新的列表。

示例输入：

mylist = [["USD", 2000, 13.40], ["USD", 2000, 13.68], ["USD", 2001, 13.99], ["EUR", 2000, 10.50], ["EUR", 2000, 11.02]]

期望输出：

avlist = [["USD", 2000, 13.54], ["USD", 2001, 13.99], ["EUR", 2000, 10.76]]

我已经迈出第一步了——从第一个元素生成集合，但接下来有点卡壳，有没有大佬能给个清晰的实现思路和代码？

嗨，这个需求其实用字典来分组就很方便，我给你捋个清晰的步骤，再附上代码：

实现思路 #

• 用字典来存储分组：把每个子列表的前两个元素（比如("USD", 2000)）作为字典的键，对应的值存两个信息：该组的第三个元素总和、元素个数。
• 遍历原列表，逐个把数据归类到对应的分组里，更新总和和计数。
• 遍历字典，计算每个分组的平均值，再整理成要求的嵌套列表格式。

完整代码 #

mylist = [["USD", 2000, 13.40], ["USD", 2000, 13.68], ["USD", 2001, 13.99], ["EUR", 2000, 10.50], ["EUR", 2000, 11.02]]

# 初始化字典，用来存分组的总和和计数
group_data = {}

for item in mylist:
    key = (item[0], item[1])
    value = item[2]
    if key not in group_data:
        # 第一次遇到这个分组，初始化总和和计数
        group_data[key] = [value, 1]
    else:
        # 分组已存在，累加总和，计数+1
        group_data[key][0] += value
        group_data[key][1] += 1

# 生成结果列表
avlist = []
for key, (total, count) in group_data.items():
    avg = round(total / count, 2)  # 保留两位小数和示例一致
    avlist.append([key[0], key[1], avg])

print(avlist)

代码解释 #

1. 分组存储：用元组(货币, 年份)当键，因为列表不能当字典键，元组是不可变类型可以。每个键对应的值是[总和, 个数]的列表。
2. 遍历统计：逐个处理原列表的子元素，不存在的分组就新建，存在的就更新总和和计数。
3. 计算平均值：遍历字典，用总和除以个数得到平均值，再转成要求的列表格式，最后保留两位小数和示例输出对齐。

这样跑出来的结果就和你期望的完全一致啦，而且完全没用到Pandas和内置mean函数，纯手动实现～

内容的提问来源于stack exchange，提问作者Marla