为什么numpy计算weighted average得到的结果与预期不一致？

加权平均的标准计算逻辑为：分子是各数值与对应权重的乘积之和，分母是所有权重的总和，而非数值数组的元素数量，numpy的np.average方法带weights参数时严格遵循该规则计算。

具体计算验证：

• 数值数组：a = [1,2,3,4]
• 权重数组：wts = [1,2,3,4]
• 乘积和（分子）：1*1 + 2*2 + 3*3 + 4*4 = 30
• 权重总和（分母）：1+2+3+4 = 10
• 最终加权平均结果：30 / 10 = 3.0，和numpy输出完全一致，方法本身无错误。

你自行计算得到的7.5不符合加权平均的定义，错误原因是将分母取值为数组元素个数4，而非权重总和。如果你的业务场景确实需要按该逻辑计算结果，可以直接使用如下代码实现，不需要调用带权重参数的np.average：

import numpy as np
a = np.array([1,2,3,4])
wts = np.array([1,2,3,4])
print(np.sum(a * wts) / len(a))

内容的提问来源于stack exchange，提问作者qg_java_17137