statistics.median() 报错“statisticserror: no median for empty data”是因为其设计要求输入非空且全为数字，不处理none、字符串或空列表，需手动清洗数据并定义空值策略。
直接用 statistics.median() 就行，但要注意输入数据类型和空值处理 —— 它不接受空列表，也不自动忽略 None 或非数字值。
为什么 statistics.median() 会报错 “StatisticsError: no median for empty data”？
这个错误不是 bug，而是设计使然：statistics.median() 明确要求至少一个数值。它不会返回 0、None 或跳过空数据 —— 而是直接抛出 StatisticsError。
- 常见触发场景：从数据库或 CSV 读取一列全为空、过滤后结果为空、用户未输入等情况
- 不能靠 try/except 吞掉错误就完事，得明确业务逻辑：空时该返回什么？（比如
float('nan')、None或默认值） - 注意：
statistics.median_low()和statistics.median_high()同样拒绝空输入
传入 list、tuple、map 或生成器时行为一致吗？
只要可迭代且元素全是数字（int、float、Fraction、Decimal），median() 都能处理；但它会先把整个可迭代对象转成列表再排序，所以对大生成器不友好。
python-docx
下载
python-docx Skill功能概述python-docx Skill是一项面向实际任务的技能，主要用于本Skill提供使用python-docx生成专业Word文档的标准方法和最佳实践；生成安全服务方案文档；核心要点生成技术架构设计文档；生成任何需要专业排版的Word文档；核心库 : python-docx；使用与执行辅助库 : docx.shared , docx.enum , docx.oxml.ns；标准代码模板；1. 文档初始化；2. 字体设置（必须！它将相关步骤、工具调用和结果整理方式集
- 支持：
statistics.median([1, 2, 3])、statistics.median((1.5, 2.5, 3.5))、statistics.median(map(int, ['1','2','3'])) - 不支持：
statistics.median(range(1000000))—— 会吃光内存，因为内部调用list() - 整数列表返回整数，浮点数列表返回浮点数，混合类型（如
[1, 2.0]）按 Python 类型提升规则处理
如何安全地处理含 None、字符串或缺失值的数据？
statistics.median() 不做任何清洗 —— 遇到 None 直接报 TypeError，遇到字符串（哪怕像 '1'）也一样。
- 推荐先用列表推导式过滤并转换：
[float(x) for x in data if x is not None and str(x).strip() != ''] - 更健壮的做法是封装一层：
def safe_median(data): filtered = [x for x in data if isinstance(x, (int, float)) and not (isinstance(x, float) and math.isnan(x))]; return statistics.median(filtered) if filtered else float('nan') - 别依赖
pandas.Series.median()替代 —— 它默认跳过NaN，语义不同，混用容易出逻辑偏差
中位数计算本身很简单，但真实数据永远带着脏、空、类型混乱 —— 关键不是“怎么调用函数”，而是“怎么定义‘有效数据’”。漏掉一次空列表检查，可能让整个 API 返回 500 错误。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
