Python statistics

概念与用途

statistics 为普通数字序列提供均值、中位数、众数、方差、分位数和相关系数等基础统计。它适合小中型标量数据；大型数组与缺失值处理通常使用 NumPy/Pandas。

核心 API

常用函数有 mean()、fmean()、median()、multimode()、variance()、stdev() 和 quantiles()。样本方差与总体方差分别使用 variance() 和 pvariance()。

from statistics import fmean, median, pstdev, quantiles

values = [12, 15, 18, 18, 21, 24]
print("均值", fmean(values))
print("中位数", median(values))
print("总体标准差", pstdev(values))
print("四分位", quantiles(values, n=4))

函数选择

指标	API	适用说明
算术均值	fmean	快速转为浮点
中位数	median	对异常值更稳健
样本方差	variance	分母 n-1
总体方差	pvariance	分母 n

示例：均值与中位数对异常值

from statistics import fmean, median

normal = [10, 11, 12, 13, 14]
with_outlier = normal + [1000]
print(fmean(normal), median(normal))
print(fmean(with_outlier), median(with_outlier))

statistics 是标准库，无需安装。缺失值、NaN、权重和分组逻辑需要在计算前明确处理；统计结果应附样本量与数据口径，而不是只输出单个数字。

常见错误与工程注意

• 空数据或样本量不足会抛 StatisticsError，边界应提前检查。
• 先明确数据是样本还是总体，否则方差分母会选错。
• 异常值会显著影响均值和标准差，报告时应结合分布与稳健统计量。