我希望将这段代码写成Pythonic风格。我的实际数组比这个例子大得多。
(5+10+20+3+2) / 5
print(np.mean(array, key=lambda x: x[1])) TypeError: mean() got an unexpected keyword argument 'key'
array = [('a', 5) , ('b', 10), ('c', 20), ('d', 3), ('e', 2)]
sum = 0
for i in range(len(array)):
sum = sum + array[i][1]
average = sum / len(array)
print(average)
import numpy as np
print(np.mean(array,key=lambda x:x[1]))
如何避免这种情况？我想使用第二个例子。
我正在使用Python 3.7
statistics模块：from statistics import mean
average = mean(value[1] for value in array)
如果你使用的是Python 3.4以下版本：
average = sum(value[1] for value in array) / len(array)
这些解决方案都使用了Python中的一种很好的特性，即生成器表达式。循环
value[1] for value in array
以及时且内存高效的方式创建新序列。请参阅PEP 289 -- Generator Expressions。
如果您正在使用Python 2并且正在对整数求和，则会进行整数除法，结果将被截断，例如：
>>> 25 / 4
6
>>> 25 / float(4)
6.25
sum的起始值设置为float值0.0。然而，这也意味着我们必须使用括号显式地表示生成器表达式，否则会出现语法错误，并且如评论中所指出的那样，它不太美观。average = sum((value[1] for value in array), 0.0) / len(array)
math模块中的fsum函数，它将返回一个float类型的值。from math import fsum
average = fsum(value[1] for value in array) / len(array)
如果你确实想使用numpy，请将其转换为numpy.array并使用numpy索引选择所需的轴:
import numpy as np
array = np.array([('a', 5) , ('b', 10), ('c', 20), ('d', 3), ('e', 2)])
print(array[:,1].astype(float).mean())
# 8.0
需要转换成数字类型，因为原始数组既包含字符串又包含数字，因此类型为object。在这种情况下，可以使用float或int，没有区别。
如果你希望更像高尔夫球一样的解决方案，你可以使用原生Python转置数组，获取仅包含数字的列表，并计算平均值，具体代码如下：
sum(zip(*array)[1])/len(array)
最初的回答：
print(sum(tup[1] for tup in array) / len(array))
print(sum(tup[1] for tup in array) / float(len(array)))
对于Python 2，更简洁的说法是：
最初的回答
from math import fsum
print(fsum(tup[1] for tup in array) / len(array))
With pure Python:
from operator import itemgetter
acc = 0
count = 0
for value in map(itemgetter(1), array):
acc += value
count += 1
mean = acc / count
如果你的数据太大，无法放入内存作为一个list的话，迭代方法可能更好。如果可以的话，建议采用声明式方法：
最初的回答：
如果你有很大的数据并且无法将其全部读入内存中（因为你说它很大），那么迭代方法可能更适合。如果可以的话，优先选择声明式方法。
data = [sub[1] for sub in array]
mean = sum(data) / len(data)
如果您愿意使用numpy，我认为以下代码更清晰：
a = np.array(array)
mean = a[:, 1].astype(int).mean()
map代替列表推导式。"Original Answer"的意思是"最初的回答"。sum(map(lambda x:int(x[1]), array)) / len(array)
reduce而不是functools.reduce，或者使用functools.reduce。import functools
functools.reduce(lambda acc, y: acc + y[1], array, 0) / len(array)
x[1]已经是整数了，为什么还需要调用int()函数？ - Barmarmap，我建议使用operator.itemgetter(1)代替lambda。 - Mateen Ulhaqfunctools.reduce 比生成器推导式和 sum 慢了72%。 - Mateen Ulhaq只需使用列表的总和和元素数量来计算平均值。
array = [('a', 5) , ('b', 10), ('c', 20), ('d', 3), ('e', 2)]
avg = float(sum(value[1] for value in array)) / float(len(array))
print(avg)
#8.0
map：
np.mean(list(map(lambda x: x[1], array)))
sum函数接受一个起始值参数。如果你传递0.0给它，那么分子将始终是浮点数，不用担心。此外，在math模块中还有一个函数，fsum。 - Peter Woodfloat强制转换的方式比传递奇怪的0.0值参数更加易于理解，但两种方式的结果相同。 - ruoholafsum可能是最好的选择。 - Peter Woodfrom __future__ import division吗？ - DanielSankfsum的另一个优点是它会跟踪部分和，这弥补了浮点表示中精度不足的问题。因此，如果我们继续使用fsum，就根本不需要考虑整数除法，而且通常也是更好的解决方案。请参见我的答案关于 Kahan Summation 在 [tag:c++] 中。 - Peter Wood