比較するコード

np.meanとnp.averageはnumbaにサポートされていない。
したがって jitで高速化できない。

方法

粒子数は 10,000個で、座標の値はランダム：pos = np.random.rand(10000,3)。
3つめのnp.sumの関数は次の通り。

@njit
def calc_CoM(pos):
    return np.sum(pos, axis=0) / len(pos)

%%timeitを使用し、10,000回の繰り返しを100回実行した平均値を結果として次章に著す。

コード	平均計算時間	1位との比	ランキング
`np.mean`	125 μs	5.2	3位
`np.average`	122 μs	5.0	2位
`np.sum / len`+`jit`	24.2 μs	1	1位

numpyのnp.meanやnp.averageを使うよりも、numbaが対応している関数だけを使ってjitで高速化したほうが速いことがわかった。

上のランキング表には記載しなかったが、不思議なことに、
np.averageの計算速度の標準偏差は 1.45 μs なのに対し、
np.meanは 15.6 μs と、10倍程度長かった。

私の手法が統計的に十分かどうかはわからないが、この結果は
np.averageの方が安定した計算速度を出せるということを示す。

np.meanとnp.averageの違いは、例えばこのリンクを見るとわかる。