Среднее арифметическое списка чисел в Python: эффективные методы

Быстрый ответ

Для вычисления среднего значения в Python с использованием функции statistics.mean(), выполните следующие действия:

from statistics import mean
average = mean([1, 2, 3, 4, 5])  # Вот это да, математика всегда привносит изумление!

Если вы предпочитаете проводить расчеты самостоятельно, не прибегая к внешним функциям:

average = sum([1, 2, 3, 4, 5]) / 5  # Вот так можно поддерживать качество кода!

Оба указанных способа вычисляют среднее значение элементов списка [1, 2, 3, 4, 5].

Советы и нюансы при вычислении среднего арифметического

Осознание тонкостей вычисления среднего арифметического может оказаться полезным:

Безопасная работа с пустыми списками

Для предотвращения возникновения ошибок при работе с пустым списком, используйте следующий подход:

numbers = []
average = sum(numbers) / len(numbers) if numbers else None
# Теперь пустой список не вызовет ошибку в коде.

Использование NumPy для работы с большими массивами данных

import numpy as np
average = np.mean(np.array([1, 2, 3, 4, 5]))
# NumPy выходит на арену, когда объем данных становится слишком велик для обыкновенного Python.

В NumPy подсчет среднего арифметического для пустого массива не вызывает ошибку, функция просто возвращает NaN.

Учет различий версий Python

Пользователям старших версий Python (3.1-3.3) доступен модуль stats, новые поколения же могут использовать модуль statistics.

Преобразование типов для увеличения точности вычислений

При ручной расчете среднего не забывайте о типах данных и целочисленном делении:

average = sum([1\.0, 2, 3, 4, 5]) / len([1, 2, 3, 4, 5])  # Таким образом можно избежать неточностей!

Визуализация

Среднее арифметическое можно визуализировать как точку равновесия:

Вот как можно представить среднее арифметическое:
\      
Числа:          1, 3, 5, 7
Среднее:        4 (📍)

          1   3
     ───┼───┼───
         📍
        5   7

Среднее (📍) — это точка равновесия, при которой каждая часть маятника обретает баланс.

Учитывайте крайние случаи

Учет крайних случаев обеспечивает корректность вычислений:

Проверка типов данных для обеспечения однородности

Смешивание разных типов данных в списках может помешать корректному вычислению среднего значения:

numbers = [1, 'два', 3]
average = mean([float(i) for i in numbers if isinstance(i, 
    (int, float))])  # Запомните: Строки здесь не имеют отношение к вычислениям!

Бесконечность и NaN и их влияние на результаты

Следует помнить о влиянии бесконечностей и значений NaN на результат вычислений:

numbers = [1, 2, 3, float('inf')]
average = np.mean(numbers)  # Получите 'inf'
# Бесконечность – это не предел, но в математике она ведет себя именно так!

numbers = [1, 2, 3, float('nan')]
average = np.mean(numbers)  # Получите 'nan'
# NaN не взаимодействует с другими числами и влияет на общий результат.

SciPy – для тех, кому требуется больше статистических функций

SciPy расширяет возможности NumPy благодаря статистическим функциям:

from scipy import stats
average = stats.mean([1, 2, 3, 4, 5])  # SciPy – мощнее, удобнее, статистичнее!

Полезные материалы

1. Документация Python 3.12.2: функция statistics.mean
2. Обсуждение на Stack Overflow о вычислении среднего в Python
3. Руководство NumPy v1.26 по функции numpy.mean
4. Документация pandas 2.2.0: метод DataFrame.mean
5. Руководство Real Python об использовании статистических функций Python
6. Учебник DigitalOcean по расчету среднего для списка в Python