我不知道标准库中的任何东西。然而，你可以使用这样的东西:

def mean(numbers):
    return float(sum(numbers)) / max(len(numbers), 1)

>>> mean([1,2,3,4])
2.5
>>> mean([])
0.0

在numpy中，有numpy.mean()。

使用scipy:

import scipy;
a=[1,2,4];
print(scipy.mean(a));

NumPy有一个NumPy。这是算术平均数。用法如下:

>>> import numpy
>>> a = [1, 2, 4]
>>> numpy.mean(a)
2.3333333333333335

你甚至不需要numpy或scipy…

>>> a = [1, 2, 3, 4, 5, 6]
>>> print(sum(a) / len(a))
3

使用statistics.mean:

import statistics
print(statistics.mean([1,2,4])) # 2.3333333333333335

它从Python 3.4开始可用。对于3.1-3.3用户，PyPI上的stats名称下提供了该模块的旧版本。只需将统计数据更改为统计数据。

我总是认为avg是省略从内置/stdlib，因为它是一样简单

sum(L)/len(L) # L is some list

任何警告都将在本地使用的调用者代码中解决。

值得注意的事项:

非浮点结果:在python2中，9/4为2。要解析，使用float(sum(L))/len(L)或从__future__导入除法 除以0:列表可能为空。解决: 如果不是L: 提高WhateverYouWantError (" foo ") avg = float(sum(L))/len(L)

def list_mean(nums):
    sumof = 0
    num_of = len(nums)
    mean = 0
    for i in nums:
        sumof += i
    mean = sumof / num_of
    return float(mean)

而不是铸造浮动，你可以做以下

def mean(nums):
    return sum(nums, 0.0) / len(nums)

或者使用

mean = lambda nums: sum(nums, 0.0) / len(nums)

更新:2019-12-15

Python 3.8在统计模块中添加了函数fmean。它更快，总是返回浮点数。

将数据转换为浮点数并计算算术平均值。 这比mean()函数运行得快，并且它总是返回一个 自由浮动。数据可以是序列或可迭代对象。如果输入数据集为 empty则引发StatisticsError。 Fmean ([3.5, 4.0, 5.25]) 4.25 3.8新版功能。

def avg(l):
    """uses floating-point division."""
    return sum(l) / float(len(l))

例子:

l1 = [3,5,14,2,5,36,4,3]
l2 = [0,0,0]

print(avg(l1)) # 9.0
print(avg(l2)) # 0.0

其他人已经发布了非常好的答案，但有些人可能仍然在寻找一个经典的方法来查找Mean(avg)，所以我在这里发布这个(在Python 3.6中测试的代码):

def meanmanual(listt):

mean = 0
lsum = 0
lenoflist = len(listt)

for i in listt:
    lsum += i

mean = lsum / lenoflist
return float(mean)

a = [1, 2, 3, 4, 5, 6]
meanmanual(a)

Answer: 3.5

你问题的正确答案是用统计学。但是为了好玩，这里有一个不使用len()函数的mean版本，所以它(像statistics.mean一样)可以用于不支持len()的生成器:

from functools import reduce
from operator import truediv
def ave(seq):
    return truediv(*reduce(lambda a, b: (a[0] + b[1], b[0]), 
                           enumerate(seq, start=1), 
                           (0, 0)))

from statistics import mean
avarage=mean(your_list)

例如

from statistics import mean

my_list=[5,2,3,2]
avarage=mean(my_list)
print(avarage)

结果是

3.0

如果你正在使用python >= 3.8，你可以使用统计模块中引入的fmean函数，它是标准库的一部分:

>>> from statistics import fmean
>>> fmean([0, 1, 2, 3])
1.5

它比统计数据还要快。均值函数，但它事先将其数据点转换为浮点数，因此在某些特定情况下可能不太准确。

你可以在这里看到它的实现