如何在Python中用statistics模块计算中位数与标准差？-Python教程-PHP中文网

statistics.median()要求输入为非空可迭代对象，传单个数字或none会报错；stdev()计算样本标准差（n-1），pstdev()计算总体标准差（n）；二者均不处理nan、字符串等非法值，且性能低于numpy。

如何在python中用statistics模块计算中位数与标准差？

用 `statistics.median()` 计算中位数，注意输入必须是可迭代对象

直接传入列表、元组或 range 都可以，但不能传单个数字或 None。空序列会抛出 StatisticsError，这点容易被忽略——比如从 API 拿到空响应后没校验就直接喂给 median()，程序就崩了。

常见错误现象：TypeError: 'int' object is not iterable，说明你传了个纯数字（比如 median(5)），得改成 median([5])。

使用场景：清洗数据后快速看中心趋势，比 numpy.median() 轻量，不依赖额外包。

支持奇数/偶数长度序列，自动取中间值或中间两数均值
不修改原数据，也不做类型转换——如果传入字符串数字（如 ['1', '2']），会报 TypeError
对浮点精度无特殊处理，median([1.1, 1.3, 1.5]) 返回 1.3，不是近似值

用 `statistics.stdev()` 和 `statistics.pstdev()` 区分样本与总体标准差

这是最容易混淆的点：默认的 stdev() 是「样本标准差」，分母为 n-1；而 pstdev() 是「总体标准差」，分母为 n。选错会导致结果偏差约 5–10%，尤其在小数据集上明显。

常见错误现象：用 stdev() 算考试全班成绩（即总体），却误当成样本处理，结果偏大。

使用场景：stdev() 适合从大总体抽样分析（如用户行为日志抽样）；pstdev() 适合已知全部数据（如某次实验全部 12 次测量值）。

python-docx

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

下载

两者都要求至少两个元素，传单元素会报 StatisticsError: variance requires at least two data points
输入含非数字（如 None、字符串）时立刻报 TypeError，不会跳过或尝试转换
不处理 NaN 或无穷大，float('nan') 传入后返回 nan，且不报错——这可能掩盖脏数据

和 `numpy` 对比：什么时候不该用 `statistics`

如果你已经用了 numpy，再为中位数/标准差单独切到 statistics 反而增加维护成本。而且 statistics 不支持数组广播、缺失值标记（如 np.nan）、多维降维计算。

性能差异在千级以内数据几乎无感，但万级以上明显：用 statistics.stdev(list_data) 比 np.std(list_data, ddof=1) 慢 3–5 倍，因为前者纯 Python 实现，后者底层 C 优化。

statistics 无法计算行/列维度的标准差，np.std(data, axis=0) 这种操作它根本不认识
没有 nanmean 类似物，遇到 nan 就失效，而 numpy 可设 nan_policy='omit'
不支持 decimal 或 fractions 类型的精确运算，statistics.median([Fraction(1,2), Fraction(3,4)]) 会成功，但 stdev() 对 Fraction 报 TypeError

实操建议：加一层薄包装防崩

别裸调 statistics 函数。真实项目里数据来源不可控，建议封装一层做基础校验：

def safe_median(data):
    if not data:
        return None
    if not hasattr(data, '__iter__') or isinstance(data, (str, bytes)):
        data = [data]
    try:
        return statistics.median(data)
    except (TypeError, statistics.StatisticsError):
        return None

同理，stdev() 前先 if len(data) ，避免运行时报错打断流程。这种小检查花不了几毫秒，但能省去查日志定位 <code>StatisticsError 的时间。

真正麻烦的从来不是函数怎么写，而是数据进来的那一刻——有没有 None、空字符串、嵌套结构、单位混杂。这些，statistics 一个都不管。