Python：在python中做几何平均值的简单方法？答案

【问题标题】：Python : easy way to do geometric mean in python?Python：在python中做几何平均值的简单方法？
【发布时间】：2017-08-23 07:07:52
【问题描述】：

我想知道是否有任何简单的方法可以使用 python 但不使用 python 包来计算几何平均值。如果没有，有没有简单的包做几何平均？

【问题讨论】：

【解决方案1】：

几何均值的公式为：

因此您可以轻松编写如下算法：

import numpy as np

def geo_mean(iterable):
    a = np.array(iterable)
    return a.prod()**(1.0/len(a))

您不必为此使用 numpy，但它往往比 Python 更快地对数组执行操作。见this answer for why。

如果溢出的几率很高，可以先将数字映射到一个log域，计算这些log的总和，然后乘以1/n最后计算指数，如：

import numpy as np

def geo_mean_overflow(iterable):
    return np.exp(np.log(iterable).mean())

【讨论】：

为此使用日志做得很好。人们经常忘记溢出。
什么是溢出？
@BhabaniMohapatra：浮点数具有固定位数。因此它可以表示固定数量的值。溢出是您计算无法再表示的数字的位置。 Python 使用 64 位浮点数，这意味着最大值为 1.7976931348623157e+308。虽然这相当大，但如果我们不使用日志，例如我们有 310 个数字，每个数字都在 10 左右，那么溢出可能已经发生。
您能否评论a.sum() 和sum(a) 之间的区别，因为它与效率或过低有关？为什么不写np.exp(a.mean())（最后一行）？谢谢。

【解决方案2】：

如果有人在这里寻找库实现，scipy 中有gmean()，可能比自定义实现更快且在数值上更稳定：

>>> from scipy.stats import gmean
>>> gmean([1.0, 0.00001, 10000000000.])
46.415888336127786

兼容 Python 2 和 3.*

【讨论】：

【解决方案3】：

从Python 3.8 开始，标准库附带geometric_mean 函数作为statistics 模块的一部分：

from statistics import geometric_mean

geometric_mean([1.0, 0.00001, 10000000000.]) // 46.415888336127786

【讨论】：

【解决方案4】：

这里是纯Python的防溢出版本，和the accepted answer基本一样。

import math

def geomean(xs):
    return math.exp(math.fsum(math.log(x) for x in xs) / len(xs))

【讨论】：

【解决方案5】：

这样做：

numbers = [1, 3, 5, 7, 10]


print reduce(lambda x, y: x*y, numbers)**(1.0/len(numbers))

【讨论】：

【解决方案6】：

你可以使用 pow 函数，如下：

def p(*args):
    k=1
    for i in args:
        k*=i
    return pow(k, 1/len(args))]

>>> p(2,3)
2.449489742783178

【讨论】：

【解决方案7】：

你也可以用 numpy 计算几何平均值：

import numpy as np
np.exp(np.mean(np.log([1, 2, 3])))

结果：

1.8171205928321397

【讨论】：

【解决方案8】：

import pandas as pd
geomean=Variable.product()**(1/len(Variable))
print(geomean)

from scipy import stats
print(stats.gmean(Variable))

【讨论】：