关于Statistics.jl中median扩展及quantile相关问题的技术问询

一、是否应当同步扩展quantile函数的功能？ #

答案是应当同步扩展，理由如下：

• API一致性：Julia标准库设计非常注重函数族的一致性，既然mean支持mean(f, v)的调用形式，新增的median(f, v)也遵循这一风格，那么quantile作为同属统计量计算的核心函数，同步支持quantile(f, v, p)的形式能降低用户学习成本，契合整体设计逻辑。
• 实际使用需求：实际统计分析中，常需要对数据先做函数变换（如取绝对值、对数）再计算分位数，quantile(abs, data, 0.95)这类调用能直接满足需求，无需用户手动先变换数组再调用quantile，提升代码简洁性。
• 实现逻辑统一：median本质是特殊的0.5分位数，如果median(f, v)的实现是先对数组元素应用函数f再计算中位数，那么quantile(f, v, p)可以复用相同的“先映射再计算”逻辑，实现成本低且逻辑清晰。

二、mean并非基于quantile实现的判断是否正确？ #

这个判断是完全正确的：

• 从计算逻辑看，mean是线性统计量，核心实现是对数组元素求和后除以元素个数（针对普通数组），公式为sum(v) / length(v)；而quantile是顺序统计量，核心依赖数据排序或分位数估计算法（如Hyndman-Fan分位数方法），两者计算路径完全独立。
• 查看Statistics.jl源码可确认，mean的实现未调用quantile函数，二者属于不同的统计量计算分支，不存在依赖关系。

内容的提问来源于stack exchange，提问作者Jose Manuel de Frutos