对于Python 3.8+，使用统计信息。浮点数稳定性的平均值。(快)。

对于Python 3.4+，使用统计信息。平均数值稳定性与浮子。(慢)。

xs = [15, 18, 2, 36, 12, 78, 5, 6, 9]

import statistics
statistics.mean(xs)  # = 20.11111111111111

对于较旧版本的Python 3，请使用

sum(xs) / len(xs)

对于Python 2，将len转换为浮点数以获得浮点除法:

sum(xs) / float(len(xs))

print reduce(lambda x, y: x + y, l)/(len(l)*1.0)

或者像之前写的那样

sum(l)/(len(l)*1.0)

1.0是为了确保你得到一个浮点除法

对于Python 3.8+，使用统计信息。浮点数稳定性的平均值。(快)。

对于Python 3.4+，使用统计信息。平均数值稳定性与浮子。(慢)。

xs = [15, 18, 2, 36, 12, 78, 5, 6, 9]

import statistics
statistics.mean(xs)  # = 20.11111111111111

对于较旧版本的Python 3，请使用

sum(xs) / len(xs)

对于Python 2，将len转换为浮点数以获得浮点除法:

sum(xs) / float(len(xs))

为了使用reduce来获取运行平均值，您需要跟踪到目前为止所看到的元素总数。因为它不是列表中的一个普通元素，所以还必须向reduce传递一个要折叠成的额外参数。

>>> 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

在Udacity的问题中，我也有一个类似的问题要解决。而不是一个内置的函数，我编码:

def list_mean(n):

    summing = float(sum(n))
    count = float(len(n))
    if n == []:
        return False
    return float(summing/count)

比平时长得多，但对于初学者来说，这是相当具有挑战性的。

结合上面的几个答案，我提出了以下与reduce一起工作的方法，并且不假设你在reduce函数中有L可用:

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