刚入行数据科学，面对成堆的数据和模型，往往最先卡在“算个平均值都要翻文档”这一步。
别急，Python 标准库 statistics 模块 就能帮你搞定 80% 的日常统计需求。
本文挑选了 10 个最常用的统计函数，每个都配上核心代码片段，让你看完就能上手，快速搭起自己的数据分析小工具。
为什么要先掌握这 10 个函数？
在数据科学工作中，描述性统计和基础推断 是每次探索性数据分析（EDA）的起点。无论是清洗数据、发现异常，还是为建模做准备，都绕不开这些计算：
statistics 模块是 Python 内置库，无需安装，直接 import 即可。
虽然它不如 NumPy/SciPy 功能强大，但胜在轻量、易读、零依赖，对新手极度友好。
1. 均值（mean）—— 最直观的“平均水平”
均值是所有数值加起来除以个数，简单明了。但要注意：它对异常值很敏感，如果你的数据里有极端大或极端小的数，均值会被“带偏”。
数学公式：
import statistics
data = [10, 20, 30, 40, 50]
mean = statistics.mean(data)
print("均值:", mean) # 30
📌 新手场景：计算员工平均工资、商品平均价格时先用它，但记得画个箱线图检查异常值。
2. 中位数（median）—— 抗干扰的“中间水平”
中位数是把数据排序后位于中间的那个数。当数据有异常值或分布偏斜时，中位数比均值更靠谱。
数学公式（数据排序后记为 ）：
data = [15, 20, 35, 40, 50]
median = statistics.median(data)
print("中位数:", median) # 35
# 偶数个数据时，会自动取中间两个的平均值
📌 新手场景：分析收入分布、房价等常带“长尾”的数据，中位数是你的首选。
3. 众数（mode / multimode）—— 找出“出现最多”的值
众数是频率最高的数值（或类别）。对于分类数据（如性别、产品类型），均值中位数都无效，但众数可以。
数学公式（ 表示数值 出现的频次）：
multimode() 返回所有众数（当有多个并列最高频时很有用）。
data = [1, 2, 2, 2, 3, 4, 4, 4, 7, 7, 7]
# 只取第一个众数
mode = statistics.mode(data) # 2
# 取全部众数
modes = statistics.multimode(data) # [2, 4, 7]
📌 新手场景：分析用户最喜欢的产品颜色、最常出现的错误代码等。
4. 标准差（stdev）—— 衡量数据“离散”程度的标尺
标准差告诉我们数据点与均值的平均偏离距离。值越大，数据越分散。
数学公式（样本标准差，分母为 ）：
data = [12, 15, 22, 29, 35]
std = statistics.stdev(data)
print(f"样本标准差: {std:.3f}") # 9.555
📌 新手场景：评估测试成绩的波动性、产品质量的稳定性。记得区分总体和样本（绝大多数场景用样本标准差）。
5. 方差（variance）—— 标准差的平方，但同样重要
方差在数学上更方便推导，但解释性不如标准差（因为单位被平方了）。不过很多统计检验直接用到方差。
数学公式（样本方差，分母为 ）：
data = [8, 10, 12, 14, 16]
var = statistics.variance(data)
print(f"样本方差: {var:.2f}") # 10.00
📌 新手场景：ANOVA 分析、特征工程中归一化之前可能需要估算方差。
6. 协方差（covariance）—— 两个变量“同向变化”的度量
协方差为正表示两个变量趋向一起增大；为负则表示一个增大另一个减小。但协方差大小受量纲影响，不易直接比较，一般后续会转为相关系数。
数学公式（样本协方差，分母为 ）：
x = [2, 4, 6, 8, 10]
y = [1, 3, 5, 7, 9]
cov = statistics.covariance(x, y)
print("协方差:", cov) # 10.0
📌 新手场景：初步判断两个指标（如广告投入与销售额）是否有关联。
7. 分位数（quantiles）—— 把数据切成等份，看清分布
分位数将数据划分为多个等大小的区间。四分位数（n=4）是最常用的，帮你快速发现数据集中在哪个区间、有无异常尾巴。
数学公式（定义方式不唯一，Python 使用位置插值法。此处给出 分位数的通用思想）：
第 分位数是指至少有 比例的数据小于等于该值，至少有 比例的数据大于等于该值。对于 等分，计算排序后数据的相应位置。
data = [1, 5, 7, 9, 10, 12, 16, 18, 19, 21]
quartiles = statistics.quantiles(data, n=4)
print("四分位数:", quartiles) # [6.5, 11.0, 18.25]
📌 新手场景：绘制箱线图前手动算分位数，或者用它们来标记异常值（如 IQR 法）。
8. 相关系数（correlation）—— 标准化后的“关联强度”
相关系数消除了量纲影响，取值在 -1 到 1 之间。默认是 Pearson 相关系数（线性相关），设置 method='ranked' 可转为 Spearman 秩相关系数（适用于非线性单调关系）。
数学公式（Pearson 相关系数）：
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
corr = statistics.correlation(x, y)
print("相关系数:", corr) # 1.0 （完美正相关）
📌 新手场景：特征选择时筛掉高度相关的冗余特征，或初步探索目标变量与特征的关系。
9. 线性回归（linear_regression）—— 最简单的关系建模
此函数对两组数据执行简单线性回归（一元），返回斜率和截距。它帮你快速得到一个可解释的线性方程 y = slope * x + intercept。
数学公式（最小二乘法估计）：
x = [1, 2, 3, 4, 5]
y = [3, 4, 2, 5, 7]
slope, intercept = statistics.linear_regression(x, y)
print("斜率:", slope) # 0.9
print("截距:", intercept) # 1.5
📌 新手场景：快速验证两个连续变量的线性趋势，或者作为更复杂模型（如多元回归）前的热身。
10. 正态分布（NormalDist）—— 概率与 Z 分数的“瑞士军刀”
NormalDist 是一个类，不是简单函数，但它在统计推断中实在太常用了。你可以基于均值和标准差创建正态分布对象，然后计算累积概率（CDF）、分位点（inv_cdf） 等。
数学公式（概率密度函数 PDF）：
（累积分布函数 CDF 是该密度函数从 到 的积分，无初等闭式表达，直接通过 cdf() 方法数值计算。）
# 构建一个均值为30、标准差为10的正态分布
dist = statistics.NormalDist(mu=30, sigma=10)
# 小于等于20的概率
prob = dist.cdf(20)
print(f"P(X ≤ 20) = {prob:.3f}") # 0.159
# 求 97.5% 分位点（即 z=1.96 对应的原始值）
z = dist.inv_cdf(0.975)
print(f"97.5% 分位点: {z:.3f}") # 49.600
📌 新手场景：计算置信区间、假设检验的 p 值近似，或者生成模拟数据时使用。
总结
| |
|---|
| mean() |
| mode() |
| stdev() |
| covariance()（量纲敏感）或 correlation()（推荐） |
| quantiles(n=4) |
| linear_regression() |
| NormalDist |
- 别贪快：每个函数都花 2 分钟用真实数据跑一遍，比看十遍教程更管用。
- 组合使用：均值 + 标准差 + 中位数 + 分位数，基本就能写出一份不错的 EDA 报告。
- 进阶一步：当你熟练这些后，可以转战 NumPy 和 SciPy，它们提供更多进阶统计功能（如 t 检验、卡方检验等）。但扎实的基础永远是你最硬的底牌。
