Python库的统计模块包括使用数字数据类型（包括小数和小数类型）计算统计公式的函数。
要使用本文中描述的功能，需要以下import语句。
>>> from statistics import *
以下函数计算样本数据的集中趋势。
mean() -此函数以序列或迭代器的形式计算数据的算术平均值。
>>> from statistics import mean >>> numbers = [12,34,21,7,56] >>> mean(numbers) 26
样本数据可能包含小数对象或分数对象
>>> from decimal import Decimal
>>> numbers = [12,34,21,Decimal('7'),56]
>>> mean(numbers)
Decimal('26')
>>> from fractions import Fraction
>>> numbers = [12,20.55,Fraction(4,5),21,56]
>>> mean(numbers)
22.07谐波_平均值() -谐波平均值的计算方法是：取样本数据中元素的倒数的算术平均值，然后取算术平均值本身的倒数。
样本= [1,2,3,4,5]
倒数= [1/1，1/2，1/3，1/4，1/5] = 2.28333333333
平均值= 2.28333333333 / 5 =0。45666666666666667
谐波平均值= 1/45666666666666667 = 2.189784218663093
>>> harmonic_mean([1,2,3,4,5]) 2.18978102189781
中位数() -中位数是样本数据的中间值。数据自动以升序排列以找到中位数。如果元素数为奇数，则中位数为中间值。如果计数为奇数，则两个中间数字的平均值为中位数。
>>> median([2,5,4,8,6]) 5 >>> median([11,33,66,55,88,22]) 44.0
mode() -此函数返回样本中最常见的值。此功能可以应用于数字或非数字数据。
>>> mode((4,7,8,4,9,7,12,4,8)) 4 >>> mode(['cc','aa','dd','cc','ff','cc']) 'cc'
跟随函数处理样本中元素与中心值之间的离散度。
variance() -此函数反映样本中数据的变异性或分散性。大方差意味着数据分散。较小的方差表示数据紧密聚集。
以下是找到方差的过程
查找样本中所有元素的算术平均值。
找到均值和每个元素之差的平方并添加平方。
如果样本大小为n，则将总和除以n-1以获得方差
数学上，以上过程由以下公式表示-
$$s ^ 2 = \ frac {1} {n-1} \ displaystyle \ displaystyle \ sum \ limits_ {i = 1} ^ n（x_ {i}-\ overline {x}）^ 2 $$
值得庆幸的是，variance()函数可以为您计算上述公式。
>>> num = [4, 9, 2, 11, 5, 22, 90, 32, 56, 70] >>> variance(num) 981.2111111111111
stdev() -此函数返回样本中数据的标准偏差。标准差是方差的平方根。
>>> num = [4, 9, 2, 11, 5, 22, 90, 32, 56, 70] >>> stdev(num) 31.324289474960338