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。

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()。

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。

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)))

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

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