Python：快速计算多个（相同长度）列表的平均值的方法？

Question

有没有一种简单的方法在Python中计算多个（长度相同）列表的平均值？例如，我有[[1, 2, 3], [5, 6, 7]]，想获取[3,4,5]。需要进行100000次操作，因此希望速度快。

- David Tan

---

你如何获得第一个元素的值为4？ - NPE

在这里，NumPy数组比纯Python更快。否则，除了直接执行之外，确实没有什么“快速”的方法。而且100000次并不是那么多。 - Lennart Regebro

@LennartRegebro：我刚刚进行了一些基准测试，对于这样一个小的输入，numpy.average()比简单的列表推导式慢10倍。相当令人惊讶。 - NPE

@NPE 我确实是指NumPy（已更正）。而且，这一点一点都不令人惊讶。关键在于他有一个数组，并且“纵向”地对其进行切片。NumPy有可以做到这一点的Array对象，而在Pure Python中，您有的是列表中的列表。当他说“100000”时，我认为他是指数组的大小。 - Lennart Regebro

Answer 1

如果您使用 numpy （在这种情况下似乎更合适）：

>>> import numpy as np
>>> data = np.array([[1, 2, 3], [5, 6, 7]])
>>> np.average(data, axis=0)
array([ 3.,  4.,  5.])

- arshajii

---

https://dev59.com/dGIj5IYBdhLWcg3wn2do - PatrickT

Answer 2

In [6]: l = [[1, 2, 3], [5, 6, 7]]

In [7]: [(x+y)/2 for x,y in zip(*l)]
Out[7]: [3, 4, 5]

您需要决定是使用整数还是浮点数进行数学计算，并选择要使用的除法类型。

在我的计算机上，以上操作需要1.24微秒：

In [11]: %timeit [(x+y)/2 for x,y in zip(*l)]
1000000 loops, best of 3: 1.24 us per loop

因此，处理 100,000 个输入需要 0.124 秒。

有趣的是，在这样小的输入上，NumPy 数组比较慢：

In [27]: In [21]: a = np.array(l)

In [28]: %timeit (a[0] + a[1]) / 2
100000 loops, best of 3: 5.3 us per loop

In [29]: %timeit np.average(a, axis=0)
100000 loops, best of 3: 12.7 us per loop

如果输入变得更大，相关的时间肯定会改变。

- NPE

---

假设他有两个包含100000个项目的列表。虽然可能会这样解释问题，但我不确定这是否是他想要的。 - Lennart Regebro

对我来说，“这要做100000次”意味着许多输入而不是长输入。然而，我们肯定需要OP对此进行澄清。 - NPE

Answer 3

扩展NPE的答案，如果您有一个包含n个子列表且想要求平均值的列表，请使用以下代码（numpy解决方案可能更快，但我的方法仅使用内置函数）：

def average(l):
    llen = len(l)
    def divide(x): return x / llen
    return map(divide, map(sum, zip(*l)))

这段代码会将所有子列表求和，然后除以子列表数量，得到平均值。你可以将len计算内联，并将divide转换为lambda表达式，如lambda x: x / len(l)，但使用显式函数并预先计算长度应该会更快一些。

- l4mpi

Answer 4

稍作修改以便与RGB像素平稳工作的版本：

def average(*l):
  l=tuple(l)
  def divide(x): return x // len(l)
  return list(map(divide, map(sum, zip(*l))))
print(average([0,20,200],[100,40,100]))
>>> [50,30,150]

- Postan Grayhole

---

请添加更多细节以扩展您的答案，例如工作代码或文档引用。 - Community