Question

我使用statistics.mean（）来计算采样分布的均值。但是，在以下代码中，以下值的返回值是舍入整数。如果我使用numpy.mean（）代替，将获得正确的float类型结果。那么这里发生了什么？

import statistics
from scipy import stats

posterior_sample = stats.beta.rvs(3, 19, size = 1000)
predictive_sample = stats.binom.rvs(100, posterior_sample, size = 1000)
print(statistics.mean(predictive_sample))
print(statistics.mean([(data >= 15).astype(int) for data in predictive_sample]))

Answer 1

statistics.mean不支持numpy.int64数据类型。

来自statistics的{{3}}：

除非另有明确说明，否则这些函数支持int，float， decimal.Decimal和fractions.Fraction。与其他类型的行为（当前是否在数字塔中）目前不受支持。杂类型也是未定义的和依赖于实现的。如果您输入数据由混合类型组成，您可以使用map（）来确保一致的结果，例如map（float，input_data）。

要解决此问题，您可以按照建议进行操作，并在传递给float之前将数据转换为statistics.mean()。

print(statistics.mean(map(float, predictive_sample)))

现在找出这种行为背后的根本原因：

在statistics.mean statistics._convert的末尾，有一个float调用，用于将返回值转换为适当的类型（即输入为分数时的分数），int如果输入为_convert等。

T中的docs用于捕获其他数据类型，并确保返回的值与提供的数据一致（value是每个输入值的数据类型， try: return T(value)是计算出的平均值）：

numpy.int64

如果您的输入为_convert，则numpy.int64函数会尝试将计算的均值转换为mean数据类型。 NumPy愉快地将浮点数转换为int（我认为是向下舍入）。因此numpy.int64函数返回一个四舍五入到最接近整数的平均值，编码为numpy.float64。

如果您的输入数据为[[UIApplication sharedApplication] setApplicationIconBadgeNumber:12];，那么您就不会遇到此问题。

为什么python statistics.mean（）返回一个int类型，而不是float

1 个答案: