Python-statistics模块

---

• 随着互联网的普及，整个互联网每天都会产生海量的数据，如何有效地处理这些数据成为了互联网人的必备技能，

  • 而 Python 内置的 statistics 模块提供了基本的数据统计操作。

  • ## 常用功能

  • ### mean(data)

  • mean(data) 用于求给定序列或者迭代器的算术平均数。 1import statistics 2example_list = [1,2,3,4,5,6] 3x = statistics.mean(example_list) 4 print(x) 5 6 # 输出结果 7 3.5

  • ### harmonic_mean(data)

harmonic_mean(data) 用于计算数据的调和均值。

1 `x = statistics.harmonic_mean(example_list)`
2 print(x)
3 print(1/sum([1/1,1/2,1/3,1/4,1/5,1/6])*6)
4 
5 # 输出结果
6 2.4489795918367347
7 2.448979591836735

• ### median(data)

• median(data) 计算数据的中位数。如果有两个中位数，则返回其平均值。

• 1 x = statistics.median(example_list) 2print(x) 3 4 # 输出结果 5 3.5

• ###median_low(data)

• median_low(data) 也是用于计算中位数的，如果有两个中位数，返回较小的那个。

• ### median_high(data)

median_high(data) 也是用于计算中位数的，如果有两个中位数，返回较大的那个。

• ### mode(data)

• mode(data) 计算众数，也就是序列中出现次数最多的元素。

• 1 x = statistics.mode([1,1,2,3,4,3,3,3,3]) 2 print(x) 3 4 x = statistics.mode(["a","b","c","d","d","a","a",]) 5 print(x) 6 7 # 输出结果 8 3 9 a

• ### pstdev(data, mu=None)

• pstdev(data, mu=None) 用于计算数据的总体标准差。其中 mu 是序列的均值，

• 如果你已经知道了该序列的均值，可传入该参数以减少计算量，当然该函数不会去验证你传入的均值是否合法，使用错误的均值可能会产生无效的结果。

• 1 x = statistics.pstdev([2,2,2,6]) 2 print(x) 3 4 # 输出结果 5 1.7320508075688772

• ### pvariance(data, mu=None)

• pvariance(data, mu=None) 用于计算数据的总体方差。

• 1 x = statistics.pvariance([2,2,2,6]) 2 print(x) 3 4 # 输出结果 5 3

• ### stdev(data, xbar=None)

stdev(data, xbar=None) 用于计算数据的样本标准差。其中 xbar 是序列的均值，如果你已经知道了该序列的均值，可传入该参数以减少计算量，当然该函数不会去验证你传入的均值是否合法，使用错误的均值可能会产生无效的结果。

• ### variance(data, xbar=None)

variance(data, xbar=None) 用于计算数据的样本方差。

---

原文链接：https://www.cnblogs.com/qjj19931230/p/12386247.html

---