Question

是否有一种pythonic方式来建立一个包含某个函数的运行平均值的列表？

在阅读了一篇关于Martians, black boxes, and the Cauchy distribution的有趣小文章后，我认为自己计算Cauchy分布的平均值会很有趣：

import math 
import random

def cauchy(location, scale):
    p = 0.0
    while p == 0.0:
        p = random.random()
    return location + scale*math.tan(math.pi*(p - 0.5))

# is this next block of code a good way to populate running_avg?
sum = 0
count = 0
max = 10
running_avg = []
while count < max:
    num = cauchy(3,1)
    sum += num
    count += 1
    running_avg.append(sum/count)

print running_avg     # or do something else with it, besides printing

我认为这种方法有效，但我很好奇是否可能有更优雅的方法来构建running_avg列表而不是使用循环和计数器（例如list comprehensions）。

有一些相关的问题，但它们解决了更复杂的问题（小窗口大小，指数加权）或者不是Python特有的：

Answer 1

你可以写一个发电机：

def running_average():
  sum = 0
  count = 0
  while True:
    sum += cauchy(3,1)
    count += 1
    yield sum/count

或者，给定一个Cauchy数的生成器和一个运行和生成器的效用函数，你可以得到一个整洁的生成器表达式：

# Cauchy numbers generator
def cauchy_numbers():
  while True:
    yield cauchy(3,1)

# running sum utility function
def running_sum(iterable):
  sum = 0
  for x in iterable:
    sum += x
    yield sum

# Running averages generator expression (** the neat part **)
running_avgs = (sum/(i+1) for (i,sum) in enumerate(running_sum(cauchy_numbers())))

# goes on forever
for avg in running_avgs:
  print avg

# alternatively, take just the first 10
import itertools
for avg in itertools.islice(running_avgs, 10):
  print avg

Answer 2

你可以使用协同程序。它们类似于生成器，但允许您发送值。 Coroutines是在Python 2.5中添加的，所以这在之前的版本中不起作用。

def running_average():
    sum = 0.0
    count = 0
    value = yield(float('nan'))
    while True:
        sum += value
        count += 1
        value = yield(sum/count)

ravg = running_average()
next(ravg)   # advance the corutine to the first yield

for i in xrange(10):
    avg = ravg.send(cauchy(3,1))
    print 'Running average: %.6f' % (avg,)

作为列表理解：

ravg = running_average()
next(ravg)
ravg_list = [ravg.send(cauchy(3,1)) for i in xrange(10)]

<强>编辑：

使用next()函数代替it.next()方法。这样它也可以用于Python 3. next()函数也被反向移植到Python 2.6+。
在Python 2.5中，您可以使用it.next()替换调用，也可以自己定义next函数（感谢Adam Parkin）

Answer 3

我在这里有两种可能的解决方案。两者都只是适用于任何数字列表的通用运行平均函数。（可以使用任何可迭代的工作）

基于发电机：

nums = [cauchy(3,1) for x in xrange(10)]

def running_avg(numbers):
    for count in xrange(1, len(nums)+1):
        yield sum(numbers[:count])/count

print list(running_avg(nums))

基于列表理解（与前面的代码完全相同）：

nums = [cauchy(3,1) for x in xrange(10)]

print [sum(nums[:count])/count for count in xrange(1, len(nums)+1)]

基于生成器兼容性的生成器：

编辑：这个我刚刚测试过，看看我是否可以轻松地使我的解决方案与发生器兼容，以及它的性能如何。这就是我想出来的。

def running_avg(numbers):
    sum = 0
    for count, number in enumerate(numbers):
        sum += number
        yield sum/(count+1)

请参阅下面的效果统计数据，非常值得。

效果特征：

编辑：我还决定测试Orip对多个生成器的有趣使用，以了解对性能的影响。

使用timeit和以下（1,000,000次迭代3次）：

print "Generator based:", ', '.join(str(x) for x in Timer('list(running_avg(nums))', 'from __main__ import nums, running_avg').repeat())
print "LC based:", ', '.join(str(x) for x in Timer('[sum(nums[:count])/count for count in xrange(1, len(nums)+1)]', 'from __main__ import nums').repeat())
print "Orip's:", ', '.join(str(x) for x in Timer('list(itertools.islice(running_avgs, 10))', 'from __main__ import itertools, running_avgs').repeat())

print "Generator-compatabile Generator based:", ', '.join(str(x) for x in Timer('list(running_avg(nums))', 'from __main__ import nums, running_avg').repeat())

我得到以下结果：

Generator based: 17.653908968, 17.8027219772, 18.0342400074
LC based: 14.3925321102, 14.4613749981, 14.4277560711
Orip's: 30.8035550117, 30.3142540455, 30.5146529675

Generator-compatabile Generator based: 3.55352187157, 3.54164409637, 3.59098005295

查看代码注释：

Orip's genEx based: 4.31488609314, 4.29926609993, 4.30518198013

结果以秒为单位，并显示 LC 新生成器兼容的生成器方法始终更快，但结果可能会有所不同。我预计我的原始发生器和新发生器之间的巨大差异在于总和不是即时计算的。

在Python中运行平均值

3 个答案: