Python3 statistics模块：基础统计计算指南

1. Python3 statistics模块入门指南

统计计算是数据分析的基础工作，Python标准库中的statistics模块为开发者提供了便捷的统计计算功能。这个模块从Python 3.4版本开始引入，专门用于处理数值型数据的常见统计运算，避免了依赖第三方库的麻烦。

在实际项目中，我们经常需要对数据集进行快速统计分析。比如计算销售数据的平均值、分析用户年龄的中位数、评估产品评分的离散程度等。statistics模块正是为解决这类基础统计需求而设计，它包含了均值、中位数、方差、标准差等常用统计量的计算方法。

与numpy、pandas等第三方库相比，statistics模块的优势在于：

• 无需额外安装，Python标准库自带
• 接口简单直观，学习成本低
• 对小型数据集处理效率高
• 支持多种数值类型（int、float、Decimal、Fraction）

提示：对于大型数据集或复杂统计分析，建议使用numpy或pandas等专业库。statistics模块更适合快速计算和小型数据集处理。

2. 核心功能详解

2.1 集中趋势度量

集中趋势指标反映数据分布的"中心"位置，是最常用的统计量。

均值计算函数：

• mean(): 计算算术平均数
• harmonic_mean(): 计算调和平均数
• geometric_mean(): 计算几何平均数

python复制from statistics import mean

data = [1, 2, 3, 4, 5]
avg = mean(data)  # 返回3.0

中位数计算函数：

• median(): 计算中位数（中间值）
• median_low(): 计算低中位数
• median_high(): 计算高中位数
• median_grouped(): 计算分组数据的中位数

python复制from statistics import median

data = [1, 3, 5, 7]
med = median(data)  # 返回4.0

众数计算函数：

• mode(): 计算众数（出现频率最高的值）
• multimode(): 返回所有众数的列表（Python 3.8+）

python复制from statistics import mode

data = [1, 2, 2, 3, 3, 3]
m = mode(data)  # 返回3

2.2 离散程度度量

离散程度指标反映数据的波动情况。

方差与标准差：

• variance(): 计算样本方差
• stdev(): 计算样本标准差
• pvariance(): 计算总体方差
• pstdev(): 计算总体标准差

python复制from statistics import stdev

data = [2, 4, 6, 8, 10]
std_dev = stdev(data)  # 返回3.1622776601683795

极差相关：

• 模块本身不提供极差函数，但可以轻松实现：

python复制data = [1, 3, 5, 7]
data_range = max(data) - min(data)  # 返回6

2.3 其他实用函数

协方差与相关系数：

• covariance(): 计算协方差（Python 3.10+）
• correlation(): 计算皮尔逊相关系数（Python 3.10+）

python复制from statistics import covariance

x = [1, 2, 3, 4, 5]
y = [2, 4,