何时适合使用Python的fmean替代mean函数？

Python 3.8在statistics模块新增了fmean函数，作为现有mean函数的补充，官方说明如下：

将数据转换为浮点数并计算算术平均值。此函数比mean()运行速度更快，且始终返回浮点数。

二者的适用场景 #

优先用fmean的情况

• 需要始终得到浮点数结果：比如处理浮点数输入的场景（像你的FASTQ错误概率计算），fmean直接输出浮点数，无需额外类型转换
• 追求计算效率：fmean底层直接用浮点数累加，跳过了mean为兼容多种数值类型（如整数、分数）的逻辑，数据量越大，速度优势越明显
• 输入均为可转换为浮点数的数值，不需要保留分数、Decimal等精确数值类型

必须用mean的情况

• 需要精确的分数/Decimal计算：mean会根据输入类型返回对应精度的结果（比如输入fractions.Fraction会返回分数，输入decimal.Decimal返回Decimal），而fmean强制转浮点数会丢失精确性
• 输入混合多种数值类型且要求精确计算的场景

FASTQ错误概率计算场景的精度分析 #

在你处理FASTQ Phred分值转换为错误概率的场景中，fmean和mean的计算精度几乎没有本质差异——你看到的fmean多显示一位小数，只是浮点数的输出格式化差异，核心计算结果是一致的。

原因在于：当输入都是浮点数时，mean底层也是用浮点数累加，但会额外做类型判断；而fmean直接跳过类型兼容步骤，直接用浮点数计算，速度更快，结果的微小显示差异是浮点数本身的特性导致，并非计算精度有区别。

修改后的示例代码（用fmean替代mean）：

from statistics import fmean

def decode(c):
    return ord(c) - 33

def phred_to_probability(phred_score):
    return 10**(-phred_score/10)

def raw_q_to_probability(q):
    return phred_to_probability(decode(q))

qualities = list("3===RONT{{QKLIFGHEH=::::CAAA@BBA@CCC....00002::;IBCHKJIIHHHEGGGHHGIJGFFFFMKKPILMLGGGGGIMNMEB@CBCDEKNMQQSJJMT{UKOKLLEEDEELGKIJKPEBA==>??@@@HD@?@AH?>?>?IIKIPFFEEFFKIEDDCEHFFHIHIKMLPOHQOH")

fmean(raw_q_to_probability(q) for q in qualities)

内容的提问来源于stack exchange，提问作者Equation2876