Python中如何对列表对象的attributions属性逐元素求平均？

这个问题我碰到过好几次，刚好可以给你梳理下最优的解决思路～首先得澄清一个点：如果你的attributions是普通Python列表的话，直接用sum(a.attribution for a in attrs)其实是错误的——因为Python内置的sum对列表做的是拼接操作，比如你例子里的两个列表会被拼成[[2,1],[4,6],[4,3],[8,8]]，根本不是元素级相加。如果你的现有代码能得到正确结果，大概率是attributions是numpy数组（numpy的sum支持元素级运算）。

下面分两种场景给你最优方案：

场景1：可以使用numpy（推荐，尤其是数据量大时） #

numpy对多维数组的均值计算做了高度优化，代码简洁且效率拉满：

import numpy as np

# 先提取所有对象的attributions属性
all_attrs = [obj.attributions for obj in attrs]
# 沿第0轴（也就是对象维度）逐元素求平均，再转回列表格式
mean_attrs = np.mean(all_attrs, axis=0).tolist()

比如你的例子里，np.mean会自动把两个二维数组对应位置的元素相加后除以2，直接得到你要的[[3,2],[6,7]]。

场景2：纯Python实现（无第三方库依赖） #

如果不能用numpy，用zip(*...)来分组对应位置的元素是最清晰高效的纯Python写法：

all_attrs = [obj.attributions for obj in attrs]
count = len(all_attrs)

# 嵌套zip实现逐元素分组求和
mean_attrs = [
    [sum(col_values) / count for col_values in zip(*row_group)]
    for row_group in zip(*all_attrs)
]

代码逻辑拆解： #

1. zip(*all_attrs)会把每个对象的第1行、第2行...分别打包成组——你的例子里会得到([[2,1], [4,3]], [[4,6], [8,8]])
2. 对每个行组（比如第一个行组[[2,1], [4,3]]），再用zip(*row_group)把同一列的元素打包，得到(2,4)和(1,3)
3. 对每个列的元素求和后除以对象数量，就得到对应位置的均值

关于你现有方法的补充 #

如果你的attributions已经是numpy数组，那sum(a.attribution for a in attrs)/len(attrs)是可行的，但不如np.mean简洁——np.mean内部已经做了求和+除以数量的操作，而且处理边缘情况（比如空列表）更稳妥。

内容的提问来源于stack exchange，提问作者dfrey