python中的statistics_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。

1 importstatistics2 example_list = [1,2,3,4,5,6]3 x =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)2 print(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。