计算列表平均值的最快方法

Question

我想找到计算 python 平均值的最快方法list。我list在 a 中存储了数百万个 s dictionary，因此我正在寻找性能方面最有效的方法。

参考这个问题，如果l是浮点数列表，我有

• numpy.mean(l)
• sum(l) / float(len(l))
• reduce(lambda x, y: x + y, l) / len(l)

哪种方式最快？

Answer 1

正如@DeepSpace 所建议的，你应该尝试自己回答这个问题。您还可以考虑在使用之前将列表转换为数组numpy.mean。使用%timeit如下ipython：

\n\n

In [1]: import random\nIn [2]: import numpy\nIn [3]: from functools import reduce\nIn [4]: l = random.sample(range(0, 100), 50) # generates a random list of 50 elements\n

\n\n

numpy.mean无需转换为 np.array

\n\n

In [5]: %timeit numpy.mean(l)\n32.5 \xc2\xb5s \xc2\xb1 2.82 \xc2\xb5s per loop (mean \xc2\xb1 std. dev. of 7 runs, 10000 loops each)\n

\n\n

numpy.mean转换为 np.array

\n\n

In [5]: a = numpy.array(a)\nIn [6]: %timeit numpy.mean(a)\n17.6 \xc2\xb5s \xc2\xb1 205 ns per loop (mean \xc2\xb1 std. dev. of 7 runs, 100000 loops each)\n

\n\n

sum(l) / float(len(l))

\n\n

In [5]: %timeit sum(l) / float(len(l)) # not required casting (float) in Python 3\n774 ns \xc2\xb1 20.4 ns per loop (mean \xc2\xb1 std. dev. of 7 runs, 1000000 loops each)\n

\n\n

sum(l) / len(l)

\n\n

In [5]: %timeit sum(l) / len(l)\n623 ns \xc2\xb1 27.4 ns per loop (mean \xc2\xb1 std. dev. of 7 runs, 1000000 loops each)\n

\n\n

reduce

\n\n

In [6]: reduce(lambda x, y: x + y, l) / len(l)\n5.92 \xc2\xb5s \xc2\xb1 514 ns per loop (mean \xc2\xb1 std. dev. of 7 runs, 100000 loops each)\n

\n\n

从最慢到最快：

\n\n

\n
1. numpy.mean(l)不转换为数组
\n
2. numpy.mean(a)将列表转换为之后np.array
\n
3. reduce(lambda x, y: x + y, l) / len(l)
\n
4. sum(l) / float(len(l))，这适用于 Python 2 和 3
\n
5. sum(l) / len(l)# 对于Python 3，你不需要强制转换（使用float）
\n

\n