用于python中的循环以查找列表的和

我有一个关于python中列表的问题。目前我有一些代码如下所示：

muaverage = (w[0] * mu[0] + w[1] * mu[1])

其中w和mu都是包含2个变量的列表。 虽然w和mu只包含两个变量，但代码运行良好，但是我想在这些列表中添加更多值，为此，遍历列表以找到总和似乎是最合适的。我尝试了以下几点

for i in range(0,len(mu)):
    muaverage = sum(w[i] * mu[i])

---

但这显示了一个错误。任何建议都将不胜感激

您的代码有两个问题：

• 在每次迭代中，您将覆盖先前的

  muaverage

• 您正在尝试获取单个数值的

  和

相反，您可以使用常规的

for

循环：

muaverage = 0                  # initialize before the loop
for i in range(0,len(mu)):
    muaverage += w[i] * mu[i]  # add to current value with +=

或者将

sum

与生成器表达式一起使用：

muaverage = sum(w[i] * mu[i] for i in range(len(mu)))

或

sum

和

zip

，如下所示：

然而，请注意，

muaverage

并非真正的平均值；为此，您仍然需要将其除以元素数，或加权平均值的权重（？）之和。

您似乎在寻找

mu

和

w

之间的（内部）点积。 要自己实现这一点，只需参考@tobias_k答案。但是，在Python中数字数组的标准包（即NumPy）中，函数

dot（）

或运算符

@

（在Python中>=3.5）将执行您要求的操作，即（内部）点积

import numpy as np

# define some dummy objects
mu = list(range(0, 10))
w = list(range(10, 20))

muaverage = sum(x * y for x, y in zip(mu, w))
# muaverage == 735

muaverage = np.dot(mu, w)
# muaverage == 735

# operands of `@` should be `numpy.array()`
mu = np.array(mu)
w = np.array(w)
muaverage = mu @ w
# muaverage == 735

但您的命名表明，您可能在加权平均数之后，为此您将使用

average（）

，它接受

weight

参数，例如

import numpy as np

# define some dummy objects
mu = list(range(0, 10))
w = list(range(10, 20))

muaverage = np.average(mu, weights=w)
# muaverage == 5.068965517241379

muaverage = np.dot(mu, w) / np.sum(w)
# muaverage == 5.068965517241379

---

（经过编辑以更好地包含

np.dot（）

）。

求和（i*j表示i，j在zip（w，m）中））

？您能告诉我您遇到了什么错误吗？错误显示对象“float”不可编辑！循环的问题是在每次迭代中都覆盖了以前的值。此外，您正在尝试获取单个整数的和。另外，这不是平均值。

numpy.dot（）

也可以。也许，我们需要的是一个加权平均值，你可以用它除以权重之和。类似地，

numpy.average（）

接受了一个

weight

参数，正是因为这个参数。@norok2很好，这很有意义，特别是当第二个数组被称为

w

时。你为什么不把它作为另一个答案呢？另一个只是为了好玩的想法

sum（星图（lambda x，y:x*y，zip（w，mu））

@yatu你肯定是指

sum（itertools.starmap（operator.mul，zip（w，mu））

？这是另一个问题@j_abrams。我建议你为这个问题提出一个正确的新问题，你肯定会得到一些帮助

import numpy as np

# define some dummy objects
mu = list(range(0, 10))
w = list(range(10, 20))

muaverage = np.average(mu, weights=w)
# muaverage == 5.068965517241379

muaverage = np.dot(mu, w) / np.sum(w)
# muaverage == 5.068965517241379