Python中求多个多边形点数组平均值的最优方法？

嘿，我来帮你优化这个求多边形对应顶点平均值的问题～你现在的代码虽然能实现功能，但扩展性太差了——要是以后多边形的顶点数变了，或者新增更多多边形，就得手动创建一堆x5、y5这类列表，代码会变得冗长又难维护。下面给你几个更优的实现方案：

纯Python简洁实现（推荐小规模场景） #

利用Python内置的zip(*polys)可以自动把所有多边形的对应位置顶点打包在一起，比如第一个包就是所有多边形的第一个顶点，第二个包是所有多边形的第二个顶点，以此类推。然后对每个顶点包计算x、y坐标的平均值即可：

poly1 = [(2, 2), (10, 0), (10, 10), (2, 10)]
poly2 = [(4, 4), (20, 0), (20, 20), (4, 20)]
polys = [poly1, poly2]

averaged_vertices = []
# 打包所有多边形的对应顶点
for vertices_group in zip(*polys):
    # 计算当前顶点组的x坐标平均值
    avg_x = sum(v[0] for v in vertices_group) / len(vertices_group)
    # 计算当前顶点组的y坐标平均值
    avg_y = sum(v[1] for v in vertices_group) / len(vertices_group)
    averaged_vertices.append((avg_x, avg_y))

print(averaged_vertices)
# 输出结果: [(3.0, 3.0), (15.0, 0.0), (15.0, 15.0), (3.0, 15.0)]

如果想更精简，还可以用列表推导式一行搞定：

averaged_vertices = [
    (sum(v[0] for v in group)/len(group), sum(v[1] for v in group)/len(group))
    for group in zip(*polys)
]

这个方案的优势：

• 完全不需要手动维护x1、y1这类列表，逻辑清晰
• 扩展性拉满：不管你有10个还是100个多边形，只要所有多边形的顶点数一致，代码都不用改

大规模数据高效实现（用numpy） #

如果你的多边形数量特别多，或者顶点数很大，纯Python循环的效率会有点低，这时候用numpy的向量化运算会快很多：

import numpy as np

poly1 = [(2, 2), (10, 0), (10, 10), (2, 10)]
poly2 = [(4, 4), (20, 0), (20, 20), (4, 20)]
polys = [poly1, poly2]

# 把多边形列表转成numpy数组
polys_array = np.array(polys)
# 沿着多边形的维度（axis=0）求平均值
averaged_vertices = np.mean(polys_array, axis=0).tolist()

print(averaged_vertices)
# 输出结果: [[3.0, 3.0], [15.0, 0.0], [15.0, 15.0], [3.0, 15.0]]

numpy会自动帮你完成所有对应位置的数值计算，代码更简洁，运算速度也比纯Python快几个量级。

内容的提问来源于stack exchange，提问作者user4352250