加权平均分的Python代码

以下是计算加权平均分的 Python 代码：

def weighted_average(grades, weights):
    if len(grades) != len(weights):
        return None
    total_weight = sum(weights)
    weighted_sum = sum([grades[i] * weights[i] for i in range(len(grades))])
    return weighted_sum / total_weight

其中，`grades` 是一个列表，包含所有分数，`weights` 是一个列表，包含每个分数对应的权重。函数首先检查这两个列表的长度是否相等，如果不相等，则返回 `None`。接下来，它计算所有权重的总和，并计算分数和权重的乘积之和。最后，它将加权和除以总权重，得到加权平均分。

你可以使用以下代码来测试 `weighted_average` 函数：

grades = [85, 90, 80]
weights = [0.3, 0.4, 0.3]
print(weighted_average(grades, weights))

输出应为 `86.5`。

相关问题

加权平均法python代码

以下是一个使用加权平均法计算成绩的Python代码示例：

# 输入各科成绩及其对应的权重
scores = [80, 90, 85, 70, 95]
weights = [0.2, 0.25, 0.15, 0.1, 0.3]

# 计算加权平均成绩
weighted_sum = sum([s * w for s, w in zip(scores, weights)])
weighted_mean = weighted_sum / sum(weights)

# 输出结果
print("加权平均成绩为：%.2f" % weighted_mean)

在此示例中，我们将五门课程的成绩和权重分别存储在`scores`和`weights`列表中。然后，我们使用`zip`函数将成绩和权重打包为元组，以便于我们在列表推导式中同时遍历它们并计算每门课程的加权分数。最后，我们将这些加权分数求和并除以所有权重之和，得到加权平均成绩。

加权平均融合python代码

以下是加权平均融合的 Python 代码：

def weighted_average_fusion(models, weights, x):
    """
    models: 模型列表
    weights: 模型权重列表
    x: 输入数据
    """
    # 对每个模型进行预测
    outputs = [model.predict(x) for model in models]
    # 对每个模型的输出进行加权平均
    weighted_outputs = [output * weight for output, weight in zip(outputs, weights)]
    # 对加权平均后的输出进行求和
    fused_output = sum(weighted_outputs)
    return fused_output

希望这个代码能够帮到你！