我必须在Python中找到列表的平均值。到目前为止，这是我的代码
l = [15, 18, 2, 36, 12, 78, 5, 6, 9]
print reduce(lambda x, y: x + y, l)
我已经得到它所以它将列表中的值加在一起，但我不知道如何将它分成它们？
答案 0 :(得分：488)
l = [15, 18, 2, 36, 12, 78, 5, 6, 9]
sum(l) / float(len(l))
答案 1 :(得分：482)
如果你的减少已经返还了你的总和，那么你剩下要做的就是分裂。
l = [15, 18, 2, 36, 12, 78, 5, 6, 9]
print reduce(lambda x, y: x + y, l) / len(l)
尽管sum(l)/len(l)会更简单，因为你不需要lambda。
如果您想要更精确的浮点结果而不是int，那么只需使用float(len(l))而不是len(l)。
答案 2 :(得分：260)
或者您可以使用numpy.mean：
l = [15, 18, 2, 36, 12, 78, 5, 6, 9]
import numpy as np
print np.mean(l)
答案 3 :(得分：210)
statistics模块已added to python 3.4。它具有计算被称为mean的平均值的功能。您提供的列表的示例如下：
from statistics import mean
l = [15, 18, 2, 36, 12, 78, 5, 6, 9]
mean(l)
答案 4 :(得分：42)
当Python具有完美的reduce()函数时，为什么会使用sum()？
print sum(l) / float(len(l))
（强制Python进行浮点除法需要float()。）
答案 5 :(得分：26)
如果您使用的是python＆gt; = 3.4
，则有一个统计库https://docs.python.org/3/library/statistics.html
您可以使用它的平均方法。让我们假设您有一个您想要找到的数字列表： -
list = [11, 13, 12, 15, 17]
import statistics as s
s.mean(list)
它有其他方法，如stdev，方差，模式，调和均值，中位数等，这些方法太有用了。
答案 6 :(得分：18)
您可以将0.0添加到总和：
，而不是强制转换为浮动def avg(l):
return sum(l, 0.0) / len(l)
答案 7 :(得分：10)
sum(l) / float(len(l))是正确的答案，但为了完整起见，您可以通过单一缩减来计算平均值：
>>> reduce(lambda x, y: x + y / float(len(l)), l, 0)
20.111111111111114
请注意，这可能会导致轻微的舍入错误：
>>> sum(l) / float(len(l))
20.111111111111111
答案 8 :(得分：6)
我尝试使用上面的选项，但没有奏效。 试试这个：
<target name="checkVal">
<condition property="val.present">
<and>
<available file="${srcDir}/somefile"/>
<contains substring="MyClass.java" string="${srcDir}"/>
</and>
</condition>
</target>
from statistics import mean在python 3.5上工作
答案 9 :(得分：4)
在效率和速度方面，这些是我测试其他答案的结果：
# test mean caculation
import timeit
import statistics
import numpy as np
from functools import reduce
import pandas as pd
LIST_RANGE = 10000000000
NUMBERS_OF_TIMES_TO_TEST = 10000
l = list(range(10))
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))
和结果：
mean1 took: 0.17030245899968577
mean2 took: 0.002183011999932205
mean3 took: 0.09744236000005913
mean4 took: 0.07070840100004716
mean5 took: 0.022754742999950395
mean6 took: 1.6689282460001778
所以显然获胜者是：
sum(l) / len(l)
答案 10 :(得分：4)
或使用pandas的{{1}}方法：
Series.mean演示：
pd.Series(sequence).mean()
从文档中
>>> import pandas as pd >>> l = [15, 18, 2, 36, 12, 78, 5, 6, 9] >>> pd.Series(l).mean() 20.11111111111111 >>>¶
这是文档：
https://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.mean.html
整个文档：
答案 11 :(得分：4)
library(igraph)
data <- read.csv2("Data.csv", header=TRUE, na.strings = "")
Elike <- data[, 1:2]
Edislike <- like[, c(1, 3)]
glike <- graph.data.frame(Elike, directed=TRUE)
gdislike<- graph.data.frame(Edislike, directed=TRUE)
for(i in 1:nrow(Data)){
ifelse(is.na(Edislike$Dislike[i]), Edislike$Dislike[i]<-Edislike$Name[i], Edislike$Dislike[i]<-Edislike$Dislike[i])
}
gabwahl <- simplify( gabwahl, remove.loops = TRUE)
E(glike)$curved <- 0.5
E(gdislike)$curved <- -0.1
E(glike)$color <- "green"
E(gdislike)$color <- "red"
E(glike)$arrow.size <- 0.1
E(gdislike)$arrow.size <- 0.1
V(glike)$shape <- "none"
V(gdislike)$shape <- "none"
V(glike)$label <- V(glike)$name
V(gdislike)$label <- V(gdislike)$name
plot(glike, layout=layout.circle)
plot(gdislike, layout=layout.circle, add = TRUE)
答案 12 :(得分：4)
作为初学者，我只是将其编码：
L = [15, 18, 2, 36, 12, 78, 5, 6, 9]
total = 0
def average(numbers):
total = sum(numbers)
total = float(total)
return total / len(numbers)
print average(L)
答案 13 :(得分：4)
我在Udacity的问题中有一个类似的问题需要解决。而不是我编码的内置函数：
def list_mean(n):
summing = float(sum(n))
count = float(len(n))
if n == []:
return False
return float(summing/count)
比平时更长，但对初学者来说却相当具有挑战性。
答案 14 :(得分：3)
两者都可以在整数或至少10个十进制值上接近相似的值。但如果你真的考虑长浮动值，两者都可能不同。方法可能因您想要实现的目标而异。
>>> l = [15, 18, 2, 36, 12, 78, 5, 6, 9]
>>> print reduce(lambda x, y: x + y, l) / len(l)
20
>>> sum(l)/len(l)
20
浮动值
>>> print reduce(lambda x, y: x + y, l) / float(len(l))
20.1111111111
>>> print sum(l)/float(len(l))
20.1111111111
@Andrew Clark的陈述是正确的。
答案 15 :(得分：3)
假设
$controller->run()
你可以注意到x = [[-5.01,-5.43,1.08,0.86,-2.67,4.94,-2.51,-2.25,5.56,1.03],
[-8.12,-3.48,-5.52,-3.78,0.63,3.29,2.09,-2.13,2.86,-3.33],
[-3.68,-3.54,1.66,-4.11,7.39,2.08,-2.59,-6.94,-2.26,4.33]]的维度为3 * 10，如果你需要x到你可以输入的每一行
mean不要忘记theMean = np.mean(x1,axis=1)
答案 16 :(得分：3)
要使用reduce获取移动平均线，您需要跟踪总数以及到目前为止看到的元素总数。因为这不是列表中的一个微不足道的元素，所以你还必须传递reduce一个额外的参数才能折叠成。
>>> l = [15, 18, 2, 36, 12, 78, 5, 6, 9]
>>> running_average = reduce(lambda aggr, elem: (aggr[0] + elem, aggr[1]+1), l, (0.0,0))
>>> running_average[0]
(181.0, 9)
>>> running_average[0]/running_average[1]
20.111111111111111
答案 17 :(得分：1)
l = [15, 18, 2, 36, 12, 78, 5, 6, 9]
l = map(float,l)
print '%.2f' %(sum(l)/len(l))
答案 18 :(得分：0)
结合上面的几个答案，我提出了以下与reduce一起使用的内容，并且假设您在reduce函数中没有L：
from operator import truediv
L = [15, 18, 2, 36, 12, 78, 5, 6, 9]
def sum_and_count(x, y):
try:
return (x[0] + y, x[1] + 1)
except TypeError:
return (x + y, 2)
truediv(*reduce(sum_and_count, L))
# prints
20.11111111111111
答案 19 :(得分：0)
我想添加另一种方法
import itertools,operator
list(itertools.accumulate(l,operator.add)).pop(-1) / len(l)
答案 20 :(得分：0)
在列表中查找平均值 通过使用以下 PYTHON 代码：
Path is /Staging_app* OR /Staging_app/* OR /Staging_app轻松尝试。
答案 21 :(得分：0)
print reduce(lambda x, y: x + y, l)/(len(l)*1.0)
或者喜欢之前发布的
sum(l)/(len(l)*1.0)
1.0是为了确保你得到一个浮点除法
答案 22 :(得分：-6)
numbers = [0,1,2,3]
numbers[0] = input("Please enter a number")
numbers[1] = input("Please enter a second number")
numbers[2] = input("Please enter a third number")
numbers[3] = input("Please enter a fourth number")
print (numbers)
print ("Finding the Avarage")
avarage = int(numbers[0]) + int(numbers[1]) + int(numbers[2]) + int(numbers [3]) / 4
print (avarage)