Python计算mean、median、mode及range出错，求10月24日前协助

一、修复后的可运行代码 #

原代码存在以下核心问题：

• 输入处理错误：直接将空格分隔的输入字符串转成单个float，未拆分后逐个转换
• 语法错误：data = (float(input(...)) 括号未闭合，导致后续代码语法混乱
• 调用错误：已单独导入mean/mode/median，无需加statistics.前缀
• 变量名错误：定义xy却打印未定义的x
• 未处理无效输入、NaN值，也未计算极差

修复后的可运行代码：

from statistics import mean, median, mode, StatisticsError
from math import isnan
from itertools import filterfalse

# 获取数据集名称
title = input('Definition of data set: ')
# 处理输入，转换为数值列表并过滤无效值
input_str = input("Enter a list element separated by space: ")
data = []
for num_str in input_str.split():
    try:
        num = float(num_str)
        data.append(num)
    except ValueError:
        print(f"忽略无效输入: {num_str}")

# 过滤数据中的NaN值
data = list(filterfalse(isnan, data))

if not data:
    print("有效数据集为空，请输入正确的数值")
else:
    # 计算各统计量
    mean_val = mean(data)
    median_val = median(data)
    # 处理无唯一众数的情况
    try:
        mode_val = mode(data)
    except StatisticsError:
        mode_val = "无唯一众数"
    range_val = max(data) - min(data)

    # 输出结果
    print(f"\n【{title}】统计结果：")
    print(f"均值(Mean): {mean_val:.2f}")
    print(f"中位数(Median): {median_val:.2f}")
    print(f"众数(Mode): {mode_val}")
    print(f"极差(Range): {range_val:.2f}")

二、各统计量的意义与数据解读 #

1. 均值(Mean) #

• 定义：所有数据的算术平均值
• 场景意义：反映数据的整体平均水平，适合对称分布、无极端值的数据集，比如班级学生的平均测验分数。但如果存在极端值（如某学生缺考得0分），均值会被拉低，参考性下降。

2. 中位数(Median) #

• 定义：数据从小到大排序后，位于中间位置的数值（偶数个数据取中间两数的均值）
• 场景意义：不受极端值干扰，适合有异常值的场景，比如居民收入统计。少数极高收入者不会影响中位数，能更真实体现大部分人的收入水平。

3. 众数(Mode) #

• 定义：数据集中出现次数最多的数值
• 场景意义：体现数据的最常见特征，适合离散或分类数据，比如商场最畅销的鞋码、社区最常见的户型。若所有数据出现次数相同，则无唯一众数。

4. 极差(Range) #

• 定义：数据集最大值与最小值的差值
• 场景意义：快速反映数据的波动范围，比如气温日极差能直观看出当天温度变化幅度。但仅依赖极值，无法体现中间数据的分布情况。

三、组合统计量解读数据 #

• 对比均值与中位数：若二者接近，说明数据分布对称；若均值远大于中位数，数据右偏（存在大极端值）；若均值远小于中位数，数据左偏（存在小极端值）
• 众数+均值：比如电商商品分析中，众数代表最受欢迎的品类，均值代表客单价，结合可了解用户消费偏好与整体消费水平
• 极差辅助判断：初步判断数据离散程度，若极差过大，需进一步用方差、标准差分析数据的波动细节

内容的提问来源于stack exchange，提问作者Jocelyn