`statistics` --- 數學統計函式¶

在 3.4 版被加入.

這個模組提供計算數值 (Real-valued) 資料的數學統計函式。

這個模組並非旨在與 NumPy、SciPy 等第三方函式庫，或者像 Minitab、SAS 和 Matlab 等專門設計給專業統計學家的高階統計軟體互相競爭。此模組的目標在於繪圖和科學計算。

除非特別註明，這些函數支援 int、float、Decimal 以及 Fraction。目前不支援其他型別（無論是否為數值型別）。含有混合型別的資料的集合亦是尚未定義，且取決於該型別的實作。若你的輸入資料含有混合型別，你可以考慮使用 map() 來確保結果是一致的，例如：map(float, input_data)。

有些資料集使用 NaN （非數）來表示缺漏的資料。由於 NaN 具有特殊的比較語義，在排序資料或是統計出現次數的統計函數中，會引發意料之外或是未定義的行為。受影響的函數包含 median()、median_low()、 median_high()、 median_grouped()、 mode()、 multimode() 以及 quantiles()。在呼叫這些函數之前，應該先移除 NaN 值：

>>> from statistics import median
>>> from math import isnan
>>> from itertools import filterfalse

>>> data = [20.7, float('NaN'),19.2, 18.3, float('NaN'), 14.4]
>>> sorted(data)  # This has surprising behavior
[20.7, nan, 14.4, 18.3, 19.2, nan]
>>> median(data)  # This result is unexpected
16.35

>>> sum(map(isnan, data))    # Number of missing values
2
>>> clean = list(filterfalse(isnan, data))  # Strip NaN values
>>> clean
[20.7, 19.2, 18.3, 14.4]
>>> sorted(clean)  # Sorting now works as expected
[14.4, 18.3, 19.2, 20.7]
>>> median(clean)       # This result is now well defined
18.75

平均值與中央位置量數¶

這些函式計算來自一個母體或樣本的平均值或代表值。

`mean()`	資料的算術平均數（平均值）。
`fmean()`	快速浮點數算數平均數，可調整權重。
`geometric_mean()`	資料的幾何平均數。
`harmonic_mean()`	資料的調和平均數。
`kde()`	Estimate the probability density distribution of the data.
`kde_random()`	Random sampling from the PDF generated by kde().
`median()`	資料的中位數（中間值）。
`median_low()`	資料中較小的中位數。
`median_high()`	資料中較大的中位數。
`median_grouped()`	分組資料的中位數（第 50 百分位數）。
`mode()`	離散 (discrete) 或名目 (nomial) 資料中的眾數（出現次數最多次的值），只回傳一個。

statistics --- 數學統計函式¶

平均值與中央位置量數¶

`statistics` --- 數學統計函式¶