Python3 statistics 模块

statistics 是 Python 3.4 引入的标准库，专注于提供基本的统计计算功能，可用于分析数值数据的集中趋势、离散程度、分布形状等。它无需额外安装，接口简洁，适合快速完成简单的统计分析任务（如计算均值、中位数、方差等）。

一、核心功能：统计量计算分类

statistics 模块的函数可按 “统计分析维度” 分为四大类，涵盖描述性统计的核心需求。

1. 集中趋势度量（数据的 “中心位置”）

用于描述数据集中趋势的统计量，包括均值、中位数、众数等。

 

函数	作用	示例
mean(data)	计算算术平均值（总和 / 数据个数），支持整数、浮点数。	mean([1, 2, 3, 4]) → 2.5
median(data)	计算中位数（排序后中间位置的值，偶数个数据取中间两数的平均值）。	median([1, 3, 5]) → 3；median([1, 2, 3, 4]) → 2.5
median_low(data)	中位数的 “下限版”：偶数个数据时取中间两数中较小的那个。	median_low([1, 2, 3, 4]) → 2
median_high(data)	中位数的 “上限版”：偶数个数据时取中间两数中较大的那个。	median_high([1, 2, 3, 4]) → 3
median_grouped(data, interval=1)	分组数据的中位数（适用于连续区间数据，如考试分数段）。	median_grouped([10, 20, 30], interval=10) → 20.0
mode(data)	计算众数（出现次数最多的元素），Python 3.8+ 支持多众数（返回 ModeResult 对象）。	mode([1, 2, 2, 3]) → 2；mode([1, 1, 2, 2]) → ModeResult(mode=[1, 2], count=[2, 2])
fmean(data)	快速均值（比 mean 更快，适合大型数据集，返回浮点数）。	fmean([1, 2, 3]) → 2.0
geometric_mean(data)	几何平均值（适用于比例数据，如增长率），要求所有数据为正数。	geometric_mean([2, 8]) → 4.0（√(2×8)=4）
harmonic_mean(data)	调和平均值（适用于速率数据，如平均速度），要求所有数据为正数。	harmonic_mean([2, 3]) → 2.4（2/(1/2+1/3)=2.4）

2. 离散程度度量（数据的 “分散程度”）

用于描述数据离散程度的统计量，包括方差、标准差等，反映数据与中心值的偏离程度。

 

函数	作用	示例
pvariance(data)	总体方差（基于全部数据计算，分母为 n）。	pvariance([1, 2, 3, 4]) → 1.25（[(1-2.5)² + ... + (4-2.5)²]/4）
variance(data)	样本方差（基于样本数据计算，分母为 n-1，更常用）。	variance([1, 2, 3, 4]) → 1.666...（[(1-2.5)² + ...]/3）
pstdev(data)	总体标准差（总体方差的平方根）。	pstdev([1, 2, 3, 4]) → 1.118...（√1.25）
stdev(data)	样本标准差（样本方差的平方根）。	stdev([1, 2, 3, 4]) → 1.290...（√1.666）

3. 分布形状度量（数据的 “对称性与尾部”）

用于描述数据分布形状的统计量，反映数据分布的偏斜程度和陡峭程度。

 

函数	作用	示例
skew(data)	偏度（衡量分布对称性）：   - 正偏：右尾长（均值 > 中位数）   - 负偏：左尾长（均值 < 中位数）   - 0：对称分布（如正态分布）	skew([1, 2, 3, 4, 100]) → 1.93（强正偏）
kurtosis(data)	峰度（衡量分布尾部厚度）：   - 0：与正态分布峰度相同   - 正值：尾部更厚（尖峰分布）   - 负值：尾部更薄（平峰分布）	kurtosis([1, 2, 3, 4, 5]) → -1.3（平峰）

4. 分位数计算（数据的 “分段位置”）

Python 3.8+ 新增 quantiles() 函数，用于计算数据的分位数（如四分位数、百分位数），反映数据在不同比例位置的值。

 

from statistics import quantilesdata = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]# 计算四分位数（4 等分，返回 3 个分位点）
print(quantiles(data, n=4))  # [3.25, 5.5, 7.75]
# 解释：25% 位置的值为 3.25，50% 为 5.5（即中位数），75% 为 7.75# 计算百分位数（100 等分，取第 90 分位）
print(quantiles(data, n=100)[89])  # 9.1（90% 的数据 ≤ 9.1）

 

二、异常处理与注意事项

statistics 模块对输入数据有严格要求，不符合条件时会抛出 StatisticsError 异常，需注意以下几点：

 

1. 非空数据：所有函数都要求输入非空序列，否则报错：

   from statistics import mean
   mean([])  # 抛出 StatisticsError: no data points
   

    
    
2. 数值类型：输入数据必须是数值（int/float），包含非数值类型（如字符串）会报错：

   mean([1, 2, "3"])  # 抛出 TypeError: can't convert type 'str' to numerator/denominator
   

    
    
3. 众数的特殊情况：
   • 若所有元素出现次数相同（如 [1, 2, 3]），mode() 会抛出 StatisticsError（无众数）。
   • Python 3.8 前的 mode() 只支持单众数，多众数时会报错；3.8+ 会返回包含所有众数的 ModeResult 对象。
4. 样本与总体的区别：
   • variance()（样本方差）和 pvariance()（总体方差）的核心区别是分母：样本用 n-1（修正自由度，减少抽样误差），总体用 n。
   • 示例：对数据 [1, 2, 3, 4]，样本方差 = 5/3 ≈ 1.666，总体方差 = 5/4 = 1.25。

三、实战示例：完整数据分析流程

假设我们有一组学生成绩数据 [85, 92, 78, 90, 85, 88, 95, 85, 72, 80]，用 statistics 模块进行完整分析：

 

from statistics import (mean, median, mode, stdev, pstdev,skew, kurtosis, quantiles
)scores = [85, 92, 78, 90, 85, 88, 95, 85, 72, 80]# 1. 集中趋势
print(f"平均分：{mean(scores)}")       # 84.0
print(f"中位数：{median(scores)}")     # 85.0（排序后中间两数 85 和 85 的平均）
print(f"众数：{mode(scores)}")         # 85（出现 3 次）
print(f"几何均值：{geometric_mean([x for x in scores if x > 0])}")  # 约 84.3（成绩均为正数）# 2. 离散程度
print(f"样本标准差：{stdev(scores)}")  # 约 6.83（反映成绩波动）
print(f"总体标准差：{pstdev(scores)}") # 约 6.48# 3. 分布形状
print(f"偏度：{skew(scores)}")         # 约 -0.41（轻微负偏，低分略多）
print(f"峰度：{kurtosis(scores)}")     # 约 -0.94（平峰分布，成绩分布较均匀）# 4. 分位数
print(f"四分位数：{quantiles(scores, n=4)}")  # [79.0, 85.0, 90.5]
# 解释：25% 的学生成绩 ≤79，50% ≤85，75% ≤90.5

 

四、适用场景与局限性

• 适用场景：简单的描述性统计分析（如快速计算均值、方差）、小型数据集处理、不需要复杂统计模型的场景。
• 局限性：
  • 不支持大型数据集（性能不如 numpy）。
  • 功能有限，不包含高级统计方法（如假设检验、回归分析）。
  • 对非数值数据支持差（如字符串、缺失值）。

 

若需处理复杂统计任务（如大数据量、缺失值处理、高级建模），建议使用 numpy（数值计算）、pandas（数据分析）或 scipy（科学计算）。

总结

statistics 模块作为 Python 标准库，提供了简洁易用的基本统计功能，核心涵盖集中趋势、离散程度、分布形状和分位数计算。掌握它可以快速完成简单的数据分析任务，适合初学者或轻量场景。使用时需注意输入数据的合法性（非空、数值类型），并区分样本与总体统计量的差异。对于复杂需求，可结合第三方库扩展功能。