Python怎样计算数据的几何平均数？

几何平均数是n个数值乘积的n次方根，常用于处理具有乘性关系的数据，比如投资收益率、人口增长率等场景，相比算术平均数更能反映这类数据的真实平均水平。在Python中计算几何平均数有多种实现思路，可以根据实际使用的库和场景选择对应的方法。

几何平均数的数学公式

对于n个正数x₁、x₂…xₙ，几何平均数G的计算公式为：

G = (x₁ × x₂ × … × xₙ) ^ (1/n)

如果数据中包含负数或者0，几何平均数通常没有实际意义，计算前需要先对数据做校验。

使用Python原生库计算几何平均数

方法一：使用math模块实现

math模块提供了乘积和对数相关的函数，可以通过对数转换的方式计算几何平均数，避免直接计算大数乘积出现溢出问题。

import math

def geometric_mean_math(data):
    # 校验数据是否合法
    if not data:
        raise ValueError("数据不能为空")
    for num in data:
        if num <= 0:
            raise ValueError("几何平均数仅支持正数数据")
    # 计算对数的平均值，再取指数得到几何平均数
    log_sum = sum(math.log(num) for num in data)
    return math.exp(log_sum / len(data))

# 测试示例
test_data = [2, 8, 4]
result = geometric_mean_math(test_data)
print(f"几何平均数为：{result}")  # 输出结果为4.0

方法二：使用statistics模块实现

Python 3.8及以上版本的statistics模块内置了几何平均数计算函数，使用起来更加简洁。

import statistics

test_data = [2, 8, 4]
# 直接调用内置函数计算
result = statistics.geometric_mean(test_data)
print(f"几何平均数为：{result}")  # 输出结果为4.0

使用numpy库计算几何平均数

numpy是Python中常用的数值计算库，提供了丰富的数学运算函数，计算几何平均数效率更高，适合处理大规模数据。

import numpy as np

test_data = [2, 8, 4]
# 使用numpy的prod和power函数计算
# np.prod计算所有元素的乘积，np.power计算乘积的1/n次方
result = np.power(np.prod(test_data), 1/len(test_data))
print(f"几何平均数为：{result}")  # 输出结果为4.0

# 也可以用对数转换的方式避免溢出
log_mean = np.mean(np.log(test_data))
result2 = np.exp(log_mean)
print(f"对数转换计算结果：{result2}")  # 输出结果为4.0

不同方法的选择建议

• 如果使用的是Python 3.8及以上版本，且不需要额外安装第三方库，优先选择statistics.geometric_mean函数，代码最简洁。
• 如果处理的数值较大，容易出现乘积溢出问题，优先选择基于对数转换的计算方式，比如math模块或者numpy的对数转换方法。
• 如果已经在使用numpy处理数据，直接调用numpy的相关函数即可，不需要额外引入其他库，计算效率更高。

注意事项

计算几何平均数前一定要校验数据，所有数据必须为正数，否则计算结果没有实际意义，程序也可能抛出异常。如果数据中包含0，几何平均数结果会直接为0，需要根据业务场景判断是否合理。

如果需要对分组数据计算几何平均数，只需要先整理好每组的数值列表，再调用对应的计算方法即可，逻辑和单组数据的计算一致。

Python几何平均数numpystatisticsmath修改时间：2026-07-20 02:12:19