对于列表列表，statistics.mean() vs sum()/len() vs np.average()

Question

数据：一系列大小相等的列表，必须沿列进行平均才能返回一个平均列表

statistics.mean()使用或之一对 python 中的上述数据进行平均是否更快，sum()/len()或者将其转换为 numpy 数组然后使用是否更快np.average()？

或者没有显着差异？

这个问题提供了使用哪种方法的答案，但没有提及与替代方案的任何比较。

Answer 1

您可以衡量不同提案的绩效。我假设沿着列意味着这是行方向的。例如，如果您有 1000 个列表，每个列表有 100 个元素，那么最后您将得到一个包含 100 个平均值的列表。

import random
import numpy as np
import statistics
import timeit

data = [[random.random() for _ in range(100)] for _ in range(1000)]


def average(data):
    return np.average(data, axis=0)


def sum_len(data):
    return [sum(l) / len(l) for l in zip(*data)]


def mean(data):
    return [statistics.mean(l) for l in zip(*data)]


if __name__ == "__main__":
    print(timeit.timeit('average(data)', 'from __main__ import data,average', number=10))
    print(timeit.timeit('sum_len(data)', 'from __main__ import data,sum_len', number=10))
    print(timeit.timeit('mean(data)', 'from __main__ import data,mean', number=10))

输出

0.025441123012569733
0.029354612997849472
1.0484535950090503

看起来 比statistics.mean慢很多（大约慢 35 倍），并且np.average方法sum_len和 比np.average稍微快一些sum_len。