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。

• import statistics
  example_list = [1,2,3,4,5,6]
  x = statistics.mean(example_list)
  print(x)
  
  # 输出结果
  3.5

   

• harmonic_mean(data)

  harmonic_mean(data) 用于计算数据的调和均值。

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

• x = statistics.median(example_list)
  print(x)
  
  # 输出结果
  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。

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

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

   

• pvariance(data, mu=None)

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

• x = statistics.pvariance([2,2,2,6])
  print(x)
  
  # 输出结果
  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。