如何计算模拟高斯数据集各试验组的均值、中位数与标准差

错误原因 #

TypeError: can't convert type 'ndarray' to numerator/denominator

• 你调用的Python标准库statistics.mean仅支持传入一维可迭代的数值序列，而你的data是形状为(1000, 100)的二维numpy数组，函数无法直接处理二维数组结构，因此抛出类型错误。

正确实现方案 #

方案1（推荐）：使用numpy自带统计函数 #

直接调用numpy的原生统计方法，指定axis=1即可沿着每行（对应每组100个数据点的维度）批量计算1000组试验的统计值，运行效率远高于循环调用标准库：

# 计算1000组各自的均值，返回形状为(1000,)的数组
trial_means = np.mean(data, axis=1)
# 计算1000组各自的中位数
trial_medians = np.median(data, axis=1)
# 计算1000组各自的样本标准差，ddof=1表示除数为N-1，和statistics.stdev计算逻辑一致
trial_stds = np.std(data, axis=1, ddof=1)

方案2：兼容statistics库的实现 #

如果你需要坚持使用statistics库的方法，需要循环遍历每组数据单独计算：

from statistics import mean, median, stdev

trial_means = [mean(row) for row in data]
trial_medians = [median(row) for row in data]
trial_stds = [stdev(row) for row in data]

内容的提问来源于stack exchange，提问作者user16857156