มีวิธีการในตัวหรือไลบรารีมาตรฐานใน Python เพื่อคำนวณค่าเฉลี่ยเลขคณิต (ค่าเฉลี่ยหนึ่งประเภท) ของรายการตัวเลขหรือไม่?
มีวิธีการในตัวหรือไลบรารีมาตรฐานใน Python เพื่อคำนวณค่าเฉลี่ยเลขคณิต (ค่าเฉลี่ยหนึ่งประเภท) ของรายการตัวเลขหรือไม่?
คำตอบ:
ฉันไม่รู้อะไรเลยในห้องสมุดมาตรฐาน อย่างไรก็ตามคุณสามารถใช้สิ่งต่อไปนี้:
def mean(numbers):
return float(sum(numbers)) / max(len(numbers), 1)
>>> mean([1,2,3,4])
2.5
>>> mean([])
0.0
ใน numpy numpy.mean()
มี
[]
มีที่ซึ่งสามารถทำได้โดย0
float(sum(l))/max(len(l),1)
max
?
NumPy มีค่าnumpy.mean
ซึ่งเป็นค่าเฉลี่ยเลขคณิต การใช้งานง่ายเหมือนนี้:
>>> import numpy
>>> a = [1, 2, 4]
>>> numpy.mean(a)
2.3333333333333335
การใช้statistics.mean
:
import statistics
print(statistics.mean([1,2,4])) # 2.3333333333333335
มีให้ตั้งแต่ Python 3.4 สำหรับ 3.1-3.3 ผู้ใช้รุ่นเก่าของโมดูลที่มีอยู่ใน PyPI stats
ภายใต้ชื่อ การเปลี่ยนแปลงเพียงเพื่อstatistics
stats
timeit("numpy.mean(vec))
, timeit("sum(vec)/len(vec)")
และtimeit("statistics.mean(vec)")
- หลังเป็นช้ากว่าคนอื่นโดยปัจจัยใหญ่ (> 100 ในบางกรณีในเครื่องคอมพิวเตอร์ของฉัน) ปรากฏขึ้นนี้น่าจะเกิดจากการดำเนินงานได้อย่างแม่นยำโดยเฉพาะอย่างยิ่งของsum
ผู้ประกอบการในการstatistics
ดูPEPและรหัส ไม่แน่ใจว่าเกี่ยวกับเหตุผลสำหรับความแตกต่างของผลการดำเนินงานที่มีขนาดใหญ่ระหว่างstatistics._sum
และnumpy.sum
แม้ว่า
statistics.mean
พยายามที่จะเป็นที่ถูกต้อง [1e50, 1, -1e50] * 1000
มันจะคำนวณได้อย่างถูกต้องเฉลี่ยของ
statistics.mean
จะยอมรับการแสดงออกของค่ากำเนิดซึ่งโซลูชั่นทั้งหมดที่ใช้len()
สำหรับตัวหารจะสำลัก
คุณไม่จำเป็นต้องมีแม้แต่ numpy หรือ scipy ...
>>> a = [1, 2, 3, 4, 5, 6]
>>> print(sum(a) / len(a))
3
from __future__ import division
อยู่ด้านบนสุดของโปรแกรม
a = list()
อะไร โค้ดที่เสนอให้ผลลัพธ์ZeroDivisionError
เป็น
ใช้ scipy:
import scipy;
a=[1,2,4];
print(scipy.mean(a));
แทนที่จะหล่อลอยคุณสามารถทำตาม
def mean(nums):
return sum(nums, 0.0) / len(nums)
หรือใช้แลมบ์ดา
mean = lambda nums: sum(nums, 0.0) / len(nums)
อัพเดต: 2019-12-15
Python 3.8 เพิ่มฟังก์ชันfmeanไปยังโมดูลสถิติ ซึ่งเร็วกว่าและให้ผลตอบแทนลอยเสมอ
แปลงข้อมูลเป็นแบบลอยตัวและคำนวณค่าเฉลี่ยเลขคณิต
สิ่งนี้จะทำงานได้เร็วกว่าฟังก์ชั่น mean () และมันจะคืนค่าทศนิยม ข้อมูลอาจเป็นลำดับหรือทำซ้ำได้ หากชุดข้อมูลอินพุตว่างให้เพิ่ม StatisticsError
fmean ([3.5, 4.0, 5.25])
4.25
ใหม่ในเวอร์ชัน 3.8
from statistics import mean
avarage=mean(your_list)
ตัวอย่างเช่น
from statistics import mean
my_list=[5,2,3,2]
avarage=mean(my_list)
print(avarage)
และผลลัพธ์คือ
3.0
def avg(l):
"""uses floating-point division."""
return sum(l) / float(len(l))
l1 = [3,5,14,2,5,36,4,3]
l2 = [0,0,0]
print(avg(l1)) # 9.0
print(avg(l2)) # 0.0
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)
ฉันควรavg
จะละเว้นจาก builtins / stdlib เสมอเพราะมันง่ายเหมือน
sum(L)/len(L) # L is some list
และคำเตือนใด ๆ ที่จะได้รับการแก้ไขในรหัสโทรสำหรับการใช้งานในท้องถิ่นอยู่แล้ว
คำเตือนที่น่าสังเกต:
non-float result: ใน python2, 9/4 คือ 2. เพื่อแก้ไข, ใช้float(sum(L))/len(L)
หรือfrom __future__ import division
หารด้วยศูนย์: รายการอาจว่างเปล่า เพื่อแก้ไข:
if not L:
raise WhateverYouWantError("foo")
avg = float(sum(L))/len(L)
statistics.mean
คำตอบที่เหมาะสมสำหรับคำถามของคุณคือการใช้งาน แต่เพื่อความสนุกนี่คือรุ่นของค่าเฉลี่ยที่ไม่ได้ใช้len()
ฟังก์ชั่นดังนั้นจึงstatistics.mean
สามารถนำไปใช้กับเครื่องกำเนิดไฟฟ้าได้ (เช่น) ซึ่งไม่รองรับlen()
:
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)))
คนอื่นโพสต์คำตอบที่ดีมากแล้ว แต่บางคนอาจยังมองหาวิธีคลาสสิกในการหาค่าเฉลี่ย (เฉลี่ย) ดังนั้นที่นี่ฉันโพสต์สิ่งนี้ (รหัสทดสอบใน Python 3.6):
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