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

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

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

你甚至不需要numpy或scipy…

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

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