statistics 模块

类

1. NormalDist

• 功能：表示正态分布（高斯分布）的类，可用于执行与正态分布相关的操作，如计算概率密度、累积分布等。
• 示例：

import statistics

# 创建一个均值为 0，标准差为 1 的正态分布对象
dist = statistics.NormalDist(mu=0, sigma=1)
# 计算 x = 1 处的累积分布函数值
cdf_value = dist.cdf(1)
print(cdf_value)

2. StatisticsError

• 功能：当统计计算中出现错误时抛出的异常类，例如计算标准差时输入为空序列。
• 示例：

import statistics

try:
    data = []
    statistics.mean(data)
except statistics.StatisticsError as e:
    print(f"发生统计错误: {e}")

统计函数

3. correlation

• 功能：计算两个数值序列之间的皮尔逊相关系数，衡量两个变量之间线性关系的强度和方向，取值范围为 -1 到 1。
• 示例：

import statistics

x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
corr = statistics.correlation(x, y)
print(corr)

4. covariance

• 功能：计算两个数值序列之间的协方差，反映两个变量的总体误差。
• 示例：

import statistics

x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
cov = statistics.covariance(x, y)
print(cov)

5. fmean

• 功能：计算浮点数序列的算术平均值，相较于 mean 函数，fmean 在处理浮点数时性能更好。
• 示例：

import statistics

data = [1.5, 2.5, 3.5, 4.5]
mean_value = statistics.fmean(data)
print(mean_value)

6. geometric_mean

• 功能：计算数值序列的几何平均值，常用于计算平均增长率等。
• 示例：

import statistics

data = [2, 4, 8]
geo_mean = statistics.geometric_mean(data)
print(geo_mean)

7. harmonic_mean

• 功能：计算数值序列的调和平均值，常用于处理速率、比率等数据。
• 示例：

import statistics

data = [2, 4, 8]
harmonic_mean = statistics.harmonic_mean(data)
print(harmonic_mean)

8. linear_regression

• 功能：执行简单的线性回归，返回斜率和截距，用于拟合数据的线性关系。
• 示例：

import statistics

x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
slope, intercept = statistics.linear_regression(x, y)
print(f"斜率: {slope}, 截距: {intercept}")

9. mean

• 功能：计算数值序列的算术平均值。
• 示例：

import statistics

data = [1, 2, 3, 4, 5]
mean_value = statistics.mean(data)
print(mean_value)

10. median

• 功能：计算数值序列的中位数，即排序后位于中间位置的值。
• 示例：

import statistics

data = [1, 2, 3, 4, 5]
median_value = statistics.median(data)
print(median_value)

11. median_grouped

• 功能：计算分组数据的中位数，适用于数据已经分组的情况。
• 示例：

import statistics

data = [1, 2, 2, 3, 3, 3, 4, 4, 4, 4]
grouped_median = statistics.median_grouped(data)
print(grouped_median)

12. median_high

• 功能：计算数值序列的高位中位数，当序列长度为偶数时，取较大的中间值。
• 示例：

import statistics

data = [1, 2, 3, 4]
high_median = statistics.median_high(data)
print(high_median)

13. median_low

• 功能：计算数值序列的低位中位数，当序列长度为偶数时，取较小的中间值。
• 示例：

import statistics

data = [1, 2, 3, 4]
low_median = statistics.median_low(data)
print(low_median)

14. mode

• 功能：计算数值序列的众数，即出现次数最多的值。如果有多个众数，只返回第一个。
• 示例：

import statistics

data = [1, 2, 2, 3, 3, 3, 4]
mode_value = statistics.mode(data)
print(mode_value)

15. multimode

• 功能：计算数值序列的所有众数，返回出现次数最多的所有值。
• 示例：

import statistics

data = [1, 2, 2, 3, 3, 4, 4]
multimodes = statistics.multimode(data)
print(multimodes)

16. pstdev

• 功能：计算总体标准差，用于描述总体数据的离散程度。
• 示例：

import statistics

data = [1, 2, 3, 4, 5]
pstdev_value = statistics.pstdev(data)
print(pstdev_value)

17. pvariance

• 功能：计算总体方差，是总体标准差的平方。
• 示例：

import statistics

data = [1, 2, 3, 4, 5]
pvariance_value = statistics.pvariance(data)
print(pvariance_value)

18. quantiles

• 功能：将数值序列划分为指定数量的等份，返回分位数列表。
• 示例：

import statistics

data = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
quantiles = statistics.quantiles(data, n=4)
print(quantiles)

19. stdev

• 功能：计算样本标准差，用于描述样本数据的离散程度。
• 示例：

import statistics

data = [1, 2, 3, 4, 5]
stdev_value = statistics.stdev(data)
print(stdev_value)

20. variance

• 功能：计算样本方差，是样本标准差的平方。
• 示例：

import statistics

data = [1, 2, 3, 4, 5]
variance_value = statistics.variance(data)
print(variance_value)