如何计算含字符串与浮点数的Twitter情感分析结果列表中浮点数的平均值

没问题，我来帮你搞定这个置信度平均值的计算！你的列表是情感标签和置信度交替出现的结构，我们只需要精准提取所有浮点数，再计算平均值就可以了。

具体实现步骤（Python） #

1. 提取所有置信度数值：你的列表里，置信度都在奇数索引位置（从0开始数的话，第2、4、6...个元素），用Python的切片语法就能轻松拿到这些值：

   # 定义你的情感分析结果列表
   tweet_results = ['pos', 0.8, 'neg', 1.0, 'pos', 1.0, 'pos', 1.0, 'pos', 1.0, 'pos', 1.0, 'neg', 1.0]
   
   # 从索引1开始，步长为2，提取所有置信度浮点数
   confidence_values = tweet_results[1::2]
   

   这里tweet_results[1::2]的意思是：从索引1（第二个元素）开始，每跳过一个元素取一个，正好把所有置信度值捞出来。

2. 计算并打印平均值：用sum()求和，再除以数值的数量，同时处理空列表的边界情况（避免除以0报错）：

   if confidence_values:
       average = sum(confidence_values) / len(confidence_values)
       # 格式化输出，保留两位小数更直观
       print(f"所有推文的平均置信度: {average:.2f}")
   else:
       print("没有可用的置信度数据，请检查输入列表")
   

更健壮的版本（处理异常情况） #

如果担心列表里混入非浮点数的情况，可以加个过滤，确保只计算合法的数值：

confidence_values = [val for val in tweet_results[1::2] if isinstance(val, float)]

运行你提供的示例列表，最终输出会是：所有推文的平均置信度: 0.97（因为(0.8+1.0*6)/7 ≈ 0.97）

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