statistics模块为具有数字特性的数据提供数学统计计算函数，若无明确指明，支持的数据类型 int, float, decimal.Decimal 和 fractions.Fraction。其它类型暂不支持，混合类型也不能独立操作，如果 输入的数据是混合类型，必须用map()函数转换成可识别的类型map(float, inpud_data)。 statistics模块中的统计函数有：
平均&中位数函数(平均值、中位数等)
| 函数 | 释义 |
|---|---|
| statistic.mean() | 返回数据的算术平均值，如果数据为空，则会触发StatisticsError。算术平均值容易受到异常值的影响，并不是一个稳定的估量值。 |
| statistic.harmonic_mean() | 返回调和优化平均值。调和平均值又被称为倒数平均值，是算术平均值的倒数。计算形式如下：数据a，b，c 的调和平均值为$\dfrac{3}{\dfrac{1}{a} + \dfrac{1}{b} + \dfrac{1}{c}}$ 如果数据为空，或数据存在负数，同样会触发StatisticsError |
| statistic.median() | 返回数据的中位数，如果数据总和为偶数，则返回中间两个数字的平均值。中位数比较稳定，不太容易受异常数据的影响。如果数据为空，同样会触发StatisticsError |
| statistic.median_low() | 返回较低平均值，当数据总数为偶数时，取中间位置较小的数值 |
| statistic.median_high() | 返回较高平均值，当数据总数为偶数时，取中间位置较大的数值 |
| statistic.median_grouped(data, interval = 1) | 返回分组连续数据的中位数，以50%位数计算，interval代表计算间距，默认为1 |
| statistic.media_mode() | 返回出现频率最高的数值 |
>>> import statistics
>>> statistics.mean([23.4,47.2,56.45,65.8])
48.2125
>>> statistics.harmonic_mean([2.4, 3.6, 12.3])
3.867248908296943
>>> statistics.median([12,4,6,8,9,14,35])
9
>>> statistics.median([1,3,5,7])
4.0
>>> statistics.median_low([1,3,5,7])
3
>>> statistics.median_high([1,3,5,7])
5
>>> statistics.median_grouped([52,52,53,54])
52.5
>>> statistics.median_grouped([1,2,2,3,4,4,4,4,4,5])
3.7
>>> statistics.median_grouped([1,3,5,7], interval =1)
4.5
>>> statistics.median_grouped([1,3,5,7], interval = 2)
4.0
>>> statistics.mode([1,1,2,3,3,3,3,4])
3
>>> statistics.mode(['red','blue','red','green','blue','red','green','blue','red'])
'red'
分布函数(方差、标准差等)
| 函数 | 释义 |
|---|---|
| statistics.pstdev(data, mu=None) | 返回数据的总体标准差，mu为平均值，如果给值则用指定的数值，如果没有指定，则自动计算 |
| statistics.pvariance(data, mu=None) | 返回数据的总体方差,mu为平均值，如果指定数据则用给定值，如果未给出，则自动计算 |
| statistics.stdev(data, xbar=None) | 返回数据的样品标准差，xbar如果指定则用给的值，如果没有指定则自动计算。 |
| statistics.variance(data, xbar=None) | 返回样本方差，如果指定xbar则用给的值，如果没有给出，则自动计算 |
>>> statistics.pstdev([1.5, 2.5, 2.5, 2.75, 3.25, 4.75])
0.986893273527251
>>> statistics.pvariance([1.5, 2.5, 2.5, 2.75, 3.25, 4.75])
0.9739583333333334
>>> statistics.stdev([1.5, 2.5, 2.5, 2.75, 3.25, 4.75])
1.0810874155219827
>>> statistics.variance([1.5, 2.5, 2.5, 2.75, 3.25, 4.75])
1.16875
有关Python针对数据的运算各个类型数据的运算和相关的算术模块整理完毕，正因为Python对数据运算处理的庞大，使得Python在数据分析之中占有重要的位置。同时有许多外置框架将Python数据结构改良和对统计模块的扩展，例如Numpy、Pandas等，非常方便数据清洗。
