在Python中计算算术平均值（一种平均值）答案

【问题标题】：Calculating arithmetic mean (one type of average) in Python [duplicate]在Python中计算算术平均值（一种平均值）
【发布时间】：2011-12-04 16:54:56
【问题描述】：

Python 中是否有内置或标准库方法来计算数字列表的算术平均值（一种平均值）？

【问题讨论】：

平均值不明确 - 众数和中位数也是常用的平均值
众数和中位数是集中趋势的其他度量。它们不是平均值。众数是数据集中最常见的值，不一定是唯一的。中位数是表示数据点中心的值。正如问题所暗示的，有几种不同类型的平均值，但都不同于中位数和众数计算。 purplemath.com/modules/meanmode.htm
@Jarom 那个链接不同意你的观点：'平均值、中位数和众数是三种“平均值”'

标签： python list mean

【解决方案1】：

我不知道标准库中的任何内容。但是，您可以使用以下内容：

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()。

【讨论】：

一个常见的事情是考虑[]的平均值是0，这可以通过float(sum(l))/max(len(l),1)来完成。
PEP 8 says l 是一个错误的变量名，因为它看起来很像 1。另外，我会使用if l 而不是if len(l) > 0。见here
你为什么打电话给max？
见上面的问题：避免被零除（for []）
空列表没有意义。请不要假装他们这样做。

【解决方案2】：

NumPy 有一个numpy.mean，它是一个算术平均值。用法就这么简单：

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

【讨论】：

numpy 是安装在 virtualenv 中的噩梦。你真的应该考虑不使用这个库
@vcarel：“numpy 是安装在 virtualenv 中的噩梦”。我不知道你为什么这么说。过去是这样，但在过去一年或更长时间里，这很容易。
我必须支持这条评论。我目前在 OSX 的 virtualenv 中使用 numpy，绝对没有问题（目前使用 CPython 3.5）。
使用像 Travis CI 这样的持续集成系统，安装 numpy 需要额外的几分钟。如果快速轻巧的构建对您很有价值，并且您只需要平均值，请考虑。
@AkseliPalén virtual environments on Travis CI can use a numpy installed via apt-get using the system site packages。即使只需要一个平均值，这也可能很快就可以使用。

【解决方案3】：

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，可以在 PyPI 上以名称 stats 获得该模块的旧版本。只需将statistics 更改为stats。

【讨论】：

请注意，与其他解决方案相比，这非常慢。比较timeit("numpy.mean(vec))、timeit("sum(vec)/len(vec)") 和timeit("statistics.mean(vec)")——后者比其他的慢很多（在我的电脑上某些情况下>100）。这似乎是由于在statistics 中特别精确地实现了sum 运算符，请参阅PEP 和Code。不过，不确定statistics._sum 和numpy.sum 之间性能差异很大的原因。
@jhin 这是因为statistics.mean 试图正确。它正确计算了[1e50, 1, -1e50] * 1000 的平均值。
statistics.mean 还将接受值的生成器表达式，所有使用 len() 作为除数的解决方案都会阻塞。
从python 3.8开始，有了更快的statistics.fmean函数

【解决方案4】：

你甚至不需要 numpy 或 scipy...

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

【讨论】：

然后 mean([2,3]) 会给出 2。小心浮动。最好使用 float(sum(l))/len(l)。更好的是，小心检查列表是否为空。
@jesusiniesta 除了在 python3 中，除法做它打算做的事情：除法
如果你在程序顶部 from __future__ import division 在 Python 2.2+ 中
大数字和溢出怎么办？
a = list() 怎么样？建议的代码结果为ZeroDivisionError。

【解决方案5】：

使用 scipy：

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

【讨论】：

scipy.stats.mean is deprecated; please update your code to use numpy.mean.

【解决方案6】：

您可以执行以下操作，而不是强制浮动

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

或使用 lambda

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

更新：2019 年 12 月 15 日

Python 3.8 将函数 fmean 添加到 statistics 模块。哪个更快并且总是返回浮点数。

将数据转换为浮点数并计算算术平均值。

这比 mean() 函数运行得更快，它总是返回一个漂浮。数据可以是序列或可迭代的。如果输入数据集是为空，引发 StatisticsError。

fmean([3.5, 4.0, 5.25])

4.25

3.8 版中的新功能。

【讨论】：

【解决方案7】：

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

【讨论】：

【解决方案8】：

如果您使用的是 python >= 3.8，则可以使用标准库中 statistics 模块中引入的 fmean 函数：

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

它比statistics.mean 函数更快，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here

【讨论】：

【解决方案9】：

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

示例：

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

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

【讨论】：

【解决方案10】：

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)

【讨论】：

【解决方案11】：

我一直认为 avg 从 builtins/stdlib 中省略，因为它很简单

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

任何警告都将在调用者代码中解决，以供本地使用。

值得注意的警告：

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

除以零：列表可能为空。解决：

if not L:
    raise WhateverYouWantError("foo")
avg = float(sum(L))/len(L)

【讨论】：

【解决方案12】：

您的问题的正确答案是使用statistics.mean。但是为了好玩，这里有一个不使用len() 函数的mean 版本，所以它（如statistics.mean）可以在不支持len() 的生成器上使用：

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)))

【讨论】：

【解决方案13】：

其他人已经发布了非常好的答案，但有些人可能仍在寻找一种经典的方法来找到平均值（平均），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

【讨论】：