Ermitteln des Durchschnitts einer Liste

Question

Wie finde ich den Mittelwert einer Liste in Python?

[1, 2, 3, 4]    2.5

Answer 1

Es gibt eine Statistikbibliothek, wenn Sie Python >= 3.4 verwenden

https://docs.python.org/3/library/statistics.html

Sie können die mittlere Methode wie folgt verwenden. Nehmen wir an, Sie haben eine Liste von Zahlen, aus der Sie den Mittelwert ermitteln möchten.

list = [11, 13, 12, 15, 17]
import statistics as s
s.mean(list)

Es hat auch andere Methoden wie stdev, Varianz, Modus, harmonisches Mittel, Median usw., die sehr nützlich sind.

Answer 2

Anstatt nach float zu gießen, können Sie 0,0 zur Summe hinzufügen:

def avg(l):
    return sum(l, 0.0) / len(l)

Answer 3

EDIT:

Ich habe zwei weitere Möglichkeiten hinzugefügt, um den Durchschnitt einer Liste zu ermitteln (die nur für Python 3.8+ relevant sind). Hier ist der Vergleich, den ich gemacht habe:

import timeit
import statistics
import numpy as np
from functools import reduce
import pandas as pd
import math

LIST_RANGE = 10
NUMBERS_OF_TIMES_TO_TEST = 10000

l = list(range(LIST_RANGE))

def mean1():
    return statistics.mean(l)

def mean2():
    return sum(l) / len(l)

def mean3():
    return np.mean(l)

def mean4():
    return np.array(l).mean()

def mean5():
    return reduce(lambda x, y: x + y / float(len(l)), l, 0)

def mean6():
    return pd.Series(l).mean()

def mean7():
    return statistics.fmean(l)

def mean8():
    return math.fsum(l) / len(l)

for func in [mean1, mean2, mean3, mean4, mean5, mean6, mean7, mean8 ]:
    print(f"{func.__name__} took: ",  timeit.timeit(stmt=func, number=NUMBERS_OF_TIMES_TO_TEST))

Dies sind die Ergebnisse, die ich erhalten habe:

mean1 took:  0.09751558300000002
mean2 took:  0.005496791999999973
mean3 took:  0.07754683299999998
mean4 took:  0.055743208000000044
mean5 took:  0.018134082999999968
mean6 took:  0.6663848750000001
mean7 took:  0.004305374999999945
mean8 took:  0.003203333000000086

Interessant! Sieht aus wie math.fsum(l) / len(l) der schnellste Weg ist, dann statistics.fmean(l) und erst dann sum(l) / len(l) . Schön!

Danke @Asclepius, dass du mir diese beiden anderen Wege gezeigt hast!

---

ALTE ANTWORT:

In Bezug auf Effizienz und Geschwindigkeit sind dies die Ergebnisse, die ich beim Testen der anderen Antworten erhalten habe:

# test mean caculation

import timeit
import statistics
import numpy as np
from functools import reduce
import pandas as pd

LIST_RANGE = 10
NUMBERS_OF_TIMES_TO_TEST = 10000

l = list(range(LIST_RANGE))

def mean1():
    return statistics.mean(l)

def mean2():
    return sum(l) / len(l)

def mean3():
    return np.mean(l)

def mean4():
    return np.array(l).mean()

def mean5():
    return reduce(lambda x, y: x + y / float(len(l)), l, 0)

def mean6():
    return pd.Series(l).mean()

for func in [mean1, mean2, mean3, mean4, mean5, mean6]:
    print(f"{func.__name__} took: ",  timeit.timeit(stmt=func, number=NUMBERS_OF_TIMES_TO_TEST))

und die Ergebnisse:

mean1 took:  0.17030245899968577
mean2 took:  0.002183011999932205
mean3 took:  0.09744236000005913
mean4 took:  0.07070840100004716
mean5 took:  0.022754742999950395
mean6 took:  1.6689282460001778

Der Gewinner ist also eindeutig: sum(l) / len(l)

Answer 4

Ich habe es mit den oben genannten Optionen versucht, aber es hat nicht funktioniert. Versuchen Sie dies:

from statistics import mean

n = [11, 13, 15, 17, 19]

print(n)
print(mean(n))

arbeitete mit Python 3.5

Answer 5

sum(l) / float(len(l)) ist die richtige Antwort, aber nur der Vollständigkeit halber können Sie einen Durchschnitt mit einer einzigen Reduktion berechnen:

>>> reduce(lambda x, y: x + y / float(len(l)), l, 0)
20.111111111111114

Beachten Sie, dass dies zu einem leichten Rundungsfehler führen kann:

>>> sum(l) / float(len(l))
20.111111111111111