Python statistics模块知识点汇总

Python statistics 模块知识点汇总

编程小白也能理解的统计学函数详解

statistics 模块是Python标准库中用于基本统计计算的模块。它提供了一些常见的统计函数，如平均值、中位数、方差等。这个模块非常适合用于数据分析的入门学习！

“统计学就像是数据的翻译官，它把杂乱无章的数字变成我们能理解的语言。”

平均值函数

mean() – 算术平均数

大白话解释： 就是把所有数字加起来，然后除以数字的个数。比如考试平均分就是所有人的分数加起来除以人数。

使用方式： statistics.mean(data)
参数： data – 数字列表或可迭代对象

张三

李四

王五

83.3

平均分

import statistics
scores = [85, 92, 78]
avg = statistics.mean(scores)
print(avg) # 输出：85

中位数函数

median() – 中位数

大白话解释： 把一组数据从小到大排队，站在最中间的那个人的值就是中位数。奇数个数时取正中间，偶数个数时取中间两个数的平均值。

使用方式： statistics.median(data)
相关函数： median_low(), median_high(), median_grouped()

中位数

data = [15, 22, 34, 45, 56]
mid = statistics.median(data)
print(mid) # 输出：34

data_even = [1, 3, 5, 7]
mid_even = statistics.median(data_even) # 输出：4.0

注意： 当数据个数为偶数时，median()会自动计算中间两个数的平均值

众数函数

mode() – 众数

大白话解释： 一组数据中出现次数最多的那个数。比如班级里身高1.65米的同学最多，1.65就是众数。

使用方式： statistics.mode(data)
相关函数： multimode()（返回所有众数）

苹果

12票

香蕉

25票

橙子

18票

fruits = [‘苹果’, ‘香蕉’, ‘橙子’, ‘香蕉’, ‘香蕉’]
most_common = statistics.mode(fruits)
print(most_common) # 输出：’香蕉’

# 处理多个众数的情况
scores = [85, 92, 85, 92, 78]
modes = statistics.multimode(scores)
print(modes) # 输出：[85, 92]

注意： 如果数据中有多个众数，mode()会报错，这时应该使用multimode()

离散程度度量

方差与标准差

方差(variance)： 数据点与平均值的距离平方的平均值
标准差(stdev)： 方差的平方根，更直观地反映数据波动大小

样本标准差： statistics.stdev(data)
总体标准差： statistics.pstdev(data)
样本方差： statistics.variance(data)
总体方差： statistics.pvariance(data)

★

平均

★

标准差反映数据点与平均值的离散程度

data = [1.5, 2.5, 2.5, 2.75, 3.25, 4.75]
# 样本标准差
std_dev = statistics.stdev(data)
# 总体标准差
p_std_dev = statistics.pstdev(data)
print(f”样本标准差: {std_dev:.2f}”)
print(f”总体标准差: {p_std_dev:.2f}”)

重要区别： 样本方差/标准差使用n-1计算（用于从样本推断总体），总体方差/标准差使用n计算（用于整个总体数据）

其他重要函数

几何平均数与调和平均数

几何平均数： 用于计算平均增长率，比如计算投资收益的平均增长率
调和平均数： 主要用于速度和速率，比如计算平均速度

几何平均数： statistics.geometric_mean(data)
调和平均数： statistics.harmonic_mean(data)

# 几何平均数示例 – 投资收益
returns = [1.05, 1.02, 1.10, 1.06] # 每年收益率
geo_mean = statistics.geometric_mean(returns)
print(f”平均年收益率: {geo_mean:.4f}”)

# 调和平均数示例 – 平均速度
speeds = [30, 60] # 去程30km/h, 返程60km/h
harmonic_mean = statistics.harmonic_mean(speeds)
print(f”平均速度: {harmonic_mean} km/h”) # 输出40 km/h

分位数函数

quantiles()： 将数据分割为概率相等的区间，常用于计算四分位数

data = [10, 20, 30, 40, 50, 60, 70, 80, 90, 100]
# 计算四分位数
quartiles = statistics.quantiles(data, n=4)
print(quartiles) # [30.0, 55.0, 80.0]

实际应用场景

statistics模块在现实中的应用

1. 考试成绩分析：
计算班级平均分、最高/最低分、成绩分布等

2. 销售数据分析：
计算月度平均销售额、销售波动情况（方差）、最畅销产品（众数）

3. 科学研究：
实验数据的统计分析，测量值的集中趋势和离散程度

4. 生活质量指标：
计算平均工资、房价中位数、人均收入等社会经济指标

5. 运动数据分析：
运动员的平均成绩、成绩稳定性（标准差）、最常见得分方式

📊

数据分析

📈

趋势预测

🔍

数据探索

📉

波动分析

使用 statistics 模块的注意事项

✅ 数据要求

输入数据应为数字类型（int, float, Decimal等）。如果数据包含非数字类型，会引发TypeError。

✅ 错误处理

对空数据调用函数会引发StatisticsError。使用前应检查数据是否为空：
if data: result = mean(data)

✅ 模块导入

使用前需要导入模块：
import statistics
推荐别名：import statistics as stats

✅ 何时使用

适合小数据集的基本统计分析。对于大数据集或高级统计，推荐使用NumPy、Pandas等库。

Python的statistics模块是入门统计分析的绝佳工具！掌握这些基础知识后，你可以继续学习更强大的数据分析库。