如何用O(1)空间计算流式未知数据的累积几何均值？

首先明确：n个正数$x_1,x_2,...,x_n$的几何均值公式为：
GM = (x₁ * x₂ * ... * xₙ)^(1/n)

要实现流式计算且保持O(1)空间复杂度，只需要维护两个核心变量：累积乘积（或对数累加和）、数据计数，以下是两种可行方案：

方案1：直接累积乘积（适合数值规模较小的场景） #

这种方式逻辑直观，但要注意：当输入数值过大或数据量过多时，乘积会快速超出浮点数范围，引发精度丢失或溢出。

核心推导 #

假设已处理k-1个数，几何均值为$GM_{k-1}$，则$GM_{k-1} = (P_{k-1})^{(1/(k-1))}$，其中$P_{k-1}$是前k-1个数的乘积。加入第k个数$x_k$后，新乘积$P_k = P_{k-1} * x_k$，新几何均值$GM_k = (P_k)^{(1/k)} = (GM_{k-1}^{(k-1)} * x_k)^{(1/k)}$。

修正代码 #

count = 0
product = 1.0  # 初始乘积设为乘法单位元1
while True:
    number = input("Enter number: ")
    x = float(number)
    # 几何均值仅适用于正数，添加合法性校验
    if x <= 0:
        print("几何均值仅支持正数输入，请重新输入")
        continue
    count += 1
    product *= x
    geo_avg = product ** (1 / count)
    print(f"current geometric average: {geo_avg}\n")

方案2：对数转换（数值稳定性更强，无溢出风险） #

利用对数性质将乘积运算转为求和运算：$\ln(GM) = (\ln(x₁) + \ln(x₂) + ... + \ln(xₙ))/n$，最后通过指数运算还原几何均值，完全避免数值溢出问题，适合大数或海量数据场景。

修正代码 #

import math

count = 0
log_sum = 0.0
while True:
    number = input("Enter number: ")
    x = float(number)
    if x <= 0:
        print("几何均值仅支持正数输入，请重新输入")
        continue
    count += 1
    log_sum += math.log(x)
    geo_avg = math.exp(log_sum / count)
    print(f"current geometric average: {geo_avg}\n")

原代码错误分析 #

你使用的公式((1 + float(number)) * (1 + geo_avg)) ** (1 / count) - 1，本质是用于计算增长率的几何平均（比如复利增长率），而非普通数值的几何均值，因此会得到错误结果。

举个例子：输入2和4，正确几何均值为$\sqrt{2*4}≈2.828$，但原代码计算：

• 第一次输入2：结果为2（单个元素的几何均值正确）
• 第二次输入4：结果为$\sqrt{(1+4)*(1+2)}-1≈\sqrt{15}-1≈2.872$，与正确值存在明显误差，这就是公式不匹配需求导致的问题。

内容的提问来源于stack exchange，提问作者Loc