在Python中计算算术平均值(一种平均值)

Python中是否有内置或标准的库方法来计算一组数字的算术平均值(一种平均值)?

653290 次浏览
小开
最佳答案

我不知道标准库中的任何东西。然而，你可以使用这样的东西:

def mean(numbers):
return float(sum(numbers)) / max(len(numbers), 1)


>>> mean([1,2,3,4])
2.5
>>> mean([])
0.0

在numpy中，有numpy.mean()。

小开

使用scipy:

import scipy;
a=[1,2,4];
print(scipy.mean(a));
小开

NumPy有一个numpy.mean，它是一个算术平均值。用法如下:

>>> import numpy
>>> a = [1, 2, 4]
>>> numpy.mean(a)
2.3333333333333335
小开

你甚至不需要numpy或scipy…

>>> a = [1, 2, 3, 4, 5, 6]
>>> print(sum(a) / len(a))
3
小开

使用statistics.mean:

import statistics
print(statistics.mean([1,2,4])) # 2.3333333333333335

它从Python 3.4开始可用。对于3.1-3.3用户，该模块的旧版本在PyPI上可用，名称为stats。只需将statistics改为stats即可。

小开

我总是认为avg从内置/stdlib中被省略，因为它像

sum(L)/len(L) # L is some list

和任何警告都将是已在本地使用的调用者代码中寻址。

值得注意的事项:

  1. 非浮点结果:在python2中，9/4为2。解析，使用float(sum(L))/len(L)或from __future__ import division

  2. 除0:列表可能为空。解决:

    if not L:
raise WhateverYouWantError("foo")
avg = float(sum(L))/len(L)
小开 
def list_mean(nums):
sumof = 0
num_of = len(nums)
mean = 0
for i in nums:
sumof += i
mean = sumof / num_of
return float(mean)
小开

而不是铸造浮动，你可以做以下

def mean(nums):
return sum(nums, 0.0) / len(nums)

或者使用

mean = lambda nums: sum(nums, 0.0) / len(nums)

更新:2019-12-15

Python 3.8向统计数据模块添加了函数fmean。它更快，总是返回浮点数。

将数据转换为浮点数并计算算术平均值。

这个函数比mean()函数运行得快，并且它总是返回一个 自由浮动。数据可以是序列或可迭代对象。如果输入数据集为 empty则引发StatisticsError。

Fmean ([3.5, 4.0, 5.25])

4.25

3.8新版功能。

小开 
def avg(l):
"""uses floating-point division."""
return sum(l) / float(len(l))

例子:

l1 = [3,5,14,2,5,36,4,3]
l2 = [0,0,0]


print(avg(l1)) # 9.0
print(avg(l2)) # 0.0
小开

其他人已经发布了非常好的答案，但有些人可能仍然在寻找一个经典的方法来查找Mean(avg)，所以我在这里发布这个(在Python 3.6中测试的代码):

def meanmanual(listt):


mean = 0
lsum = 0
lenoflist = len(listt)


for i in listt:
lsum += i


mean = lsum / lenoflist
return float(mean)


a = [1, 2, 3, 4, 5, 6]
meanmanual(a)


Answer: 3.5
小开

你问题的正确答案是使用statistics.mean。但为了好玩，这里有一个不使用len()函数的mean版本，因此它(像statistics.mean一样)可以用于不支持len()的生成器:

from functools import reduce
from operator import truediv
def ave(seq):
return truediv(*reduce(lambda a, b: (a[0] + b[1], b[0]),
enumerate(seq, start=1),
(0, 0)))
小开 
from statistics import mean
avarage=mean(your_list)

例如

from statistics import mean


my_list=[5,2,3,2]
avarage=mean(my_list)
print(avarage)

结果是

3.0
小开

如果你正在使用python >= 3.8，你可以使用statistics模块中引入的fmean函数，它是标准库的一部分:

>>> from statistics import fmean
>>> fmean([0, 1, 2, 3])
1.5

它比statistics.mean函数快，但它预先将其数据点转换为float，因此在某些特定情况下它可能不太准确。

你可以看到它的实现在这里


提交答案