tatistics 模块是 Python 自带的统计分析模块，适用于处理数值数据集合，提供基础的描述性统计函数，包括均值、中位数、众数、标准差、方差等。它是教学、数据预处理、实验分析、基本科研工作中常用的工具之一，适用于整数、浮点数等一维数值序列。
常见应用场景：
（1）教学案例中的基本统计分析。
（2）数据分析前的快速概况统计。
（3）对实验结果或测量数据进行均值/标准差汇总。
（4）小规模机器学习原型验证中对结果波动的评估。
◆ ◆ ◆
核心概念
1、所有函数操作对象为一维数值序列（如列表、元组）。
2、数据必须为数字类型（int 或 float），否则会抛出异常。
3、大部分函数有“样本”与“总体”之分（例如 pstdev 与 stdev）。
4、输入列表至少需包含两个元素才能计算标准差、方差。
5、主要用于描述性统计，不涉及假设检验或回归建模。
◆ ◆ ◆
应用举例
例 1：计算平均数（mean）
import statistics
data = [1, 2, 3, 4, 5]
print(statistics.mean(data)) # 输出：3例 2：计算中位数（median）
import statistics
data = [2, 5, 1, 8]
print(statistics.median(data)) # 输出：3.5（偶数个元素取中间平均）例 3：计算众数（mode）
import statistics
data = [1, 2, 2, 3, 4]
print(statistics.mode(data)) # 输出：2（出现最多次）例 4：计算标准差（样本标准差）
import statistics
data = [10, 12, 23, 23, 16]
print(statistics.stdev(data)) # 样本标准差例 5：处理浮点误差的均值（fmean）
import statistics
data = [0.1, 0.1, 0.1, 0.1, 0.1]
print(statistics.fmean(data)) # 输出精确浮点平均值◆ ◆ ◆
常用函数速览
statistics.mean(data)
返回数据的算术平均值（普通平均数）。
参数：
data：可迭代的数字类型对象（列表、元组等）
返回：float，若为空则抛出 StatisticsError
statistics.fmean(data)
返回浮点数版本的算术平均值，速度更快，精度更高。
参数：
data：数字序列
返回：float，不自动转换为 Decimal
statistics.median(data)
返回中位数（排序后中间值）。
参数：
data：数字序列（元素至少 1 个）
返回：int 或 float
statistics.median_low(data)
若序列有偶数项，返回中间偏小值（不取平均）。
参数：
data：数字序列（元素至少 1 个）
返回：int 或 float
statistics.median_high(data)
若序列有偶数项，返回中间偏大值。
参数：
data：数字序列（元素至少 1 个）
返回：int 或 float
statistics.mode(data)
返回出现次数最多的元素（众数）。
参数：
data：至少包含一个元素
返回：int 或 float；若多众数会抛异常
statistics.multimode(data)
返回所有众数组成的列表（可能有多个）。
参数：
data：至少包含一个元素
返回：int 或 float；若多众数会抛异常
statistics.stdev(data)
返回样本的标准差（分母为 n-1）。
参数：
data：至少 2 个数值元素
返回：float
statistics.variance(data)
返回样本方差，即测量数据分布的离散程度（除以 n-1）。
参数：
data：一维数值序列，至少包含两个元素
返回：float，样本方差值（平均离均差的平方）
statistics.pstdev(data)
返回总体标准差，即对所有数据（整群体）计算的标准差（除以 n）。
参数：
data：一维数值序列，至少包含一个元素
返回：float，总体标准差值
statistics.pvariance(data)
返回总体方差，即对所有数据计算的方差（除以 n）。
参数：
data：一维数值序列，至少包含一个元素
返回：float，总体方差值
◆ ◆ ◆
补充说明
1、StatisticsError 是模块内的专属异常类型，用于处理空序列、多个众数等情况。
2、该模块不支持权重统计、协方差、偏度、峰度等高级统计分析。
3、对于更强大的统计需求建议使用第三方库，如 NumPy 或 SciPy。
“点赞有美意，赞赏是鼓励”
热门跟贴