「日拱一码」010 Python常用库——statistics
目录
平均值相关
mean()：计算算术平均值，即所有数值相加后除以数值的个数
fmean()：与 mean() 类似，但使用浮点运算，速度更快，精度更高
geometric_mean()：计算几何平均值，即所有数值相乘后开n次方根（n为数值的个数）
harmonic_mean()：计算调和平均值，即数值个数除以每个数值的倒数之和
median()：计算中位数，即将一组数值按大小顺序排列后位于中间的数。如果数值个数为偶数，则返回中间两个数的平均值
median_low()：计算中位数的“低值”，即当数值个数为偶数时，返回中间两个数中较小的那个
median_high()：计算中位数的“高值”，即当数值个数为偶数时，返回中间两个数中较大的那个
median_grouped()：计算分组数据的中位数，假设数据是连续的，并且在每个区间内均匀分布
mode()：计算众数，即一组数据中出现次数最多的值。如果有多个众数，会抛出StatisticsError
multimode()：计算众数，返回所有出现次数最多的值，不会抛出异常
离散程度相关
pstdev()：计算总体标准差，即每个数值与总体均值差的平方和的平均值的平方根
pvariance()：计算总体方差，即每个数值与总体均值差的平方和的平均值
stdev()：计算样本标准差，即每个数值与样本均值差的平方和除以（样本个数 - 1）的平方根
variance()：计算样本方差，即每个数值与样本均值差的平方和除以（样本个数 - 1）
其他
quantiles()：将数据分成具有相等概率的连续区间，返回分位数列表
Python的 statistics 库是一个用于数学统计的库，提供了很多常用的统计函数，主要可以分为以下几类：
平均值相关
-
mean()：计算算术平均值，即所有数值相加后除以数值的个数
-
fmean()：与 mean() 类似，但使用浮点运算，速度更快，精度更高
-
geometric_mean()：计算几何平均值，即所有数值相乘后开n次方根（n为数值的个数）
-
harmonic_mean()：计算调和平均值，即数值个数除以每个数值的倒数之和
-
median()：计算中位数，即将一组数值按大小顺序排列后位于中间的数。如果数值个数为偶数，则返回中间两个数的平均值
-
median_low()：计算中位数的“低值”，即当数值个数为偶数时，返回中间两个数中较小的那个
-
median_high()：计算中位数的“高值”，即当数值个数为偶数时，返回中间两个数中较大的那个
-
median_grouped()：计算分组数据的中位数，假设数据是连续的，并且在每个区间内均匀分布
-
mode()：计算众数，即一组数据中出现次数最多的值。如果有多个众数，会抛出StatisticsError
-
multimode()：计算众数，返回所有出现次数最多的值，不会抛出异常
import statistics
# 平均值相关
data = [1, 2, 3, 4, 5, 6]
print("Mean:", statistics.mean(data)) # Mean: 3.5
print("Fast Mean:", statistics.fmean(data)) # Fast Mean: 3.5
print("Geometric Mean:", statistics.geometric_mean(data)) # Geometric Mean: 2.993795165523909
print("Harmonic Mean:", statistics.harmonic_mean(data)) # Harmonic Mean: 2.4489795918367347
print("Median:", statistics.median(data)) # Median: 3.5
print("Median Low:", statistics.median_low(data)) # Median Low: 3
print("Median High:", statistics.median_high(data)) # Median High: 4
print("Median Grouped:", statistics.median_grouped(data)) # Median Grouped: 3.5
data_mode = [1, 2, 2, 3, 4]
print("Mode:", statistics.mode(data_mode)) # Mode: 2
data_multimode = [1, 2, 2, 3, 4, 4]
print("Multi Mode:", statistics.multimode(data_multimode)) # Multi Mode: [2, 4]离散程度相关
-
pstdev()：计算总体标准差，即每个数值与总体均值差的平方和的平均值的平方根
-
pvariance()：计算总体方差，即每个数值与总体均值差的平方和的平均值
-
stdev()：计算样本标准差，即每个数值与样本均值差的平方和除以（样本个数 - 1）的平方根
-
variance()：计算样本方差，即每个数值与样本均值差的平方和除以（样本个数 - 1）
import statistics
# 离散程度相关
data = [1, 2, 3, 4, 5, 6]
print("Population Standard Deviation:", statistics.pstdev(data)) # Population Standard Deviation: 1.707825127659933
print("Population Variance:", statistics.pvariance(data)) # Population Variance: 2.9166666666666665
print("Sample Standard Deviation:", statistics.stdev(data)) # Sample Standard Deviation: 1.8708286933869707
print("Sample Variance:", statistics.variance(data)) # Sample Variance: 3.5其他
-
quantiles()：将数据分成具有相等概率的连续区间，返回分位数列表
import statistics
# 其他
data = [1, 2, 3, 4, 5, 6]
print("Quantiles:", statistics.quantiles(data)) # Quantiles: [1.75, 3.5, 5.25]
# 将数据分成了四个区间：[1, 1.75]、[1.75, 3.5]、[3.5, 5.25]、[5.25, 6]