ไลบรารีนี้มีใน Python 3.4 ขึ้นไปเท่านั้น

ค่าเฉลี่ยและการตำแหน่งค่ากลาง

• statistics.mean(data)
  คืนค่าเฉลี่ยเลขคณิต ("ค่าเฉลี่ย") ของข้อมูล
  ตัวอย่างเช่น
  
  [python]
  >>> from statistics import *
  >>> mean([1, 2, 3, 4, 4])
  2.8
  >>> mean([-1.0, 2.5, 3.25, 5.75])
  2.625
  [/python]
  
  


• statistics.median(data)
  คืนค่ามัธยฐาน (ค่ากลาง) ของข้อมูล
  ตัวอย่างเช่น
  
  [python]
  >>> from statistics import *
  >>> median([1, 3, 5])
  3
  >>> median([1, 3, 5, 7])
  4.0
  [/python]
  
  


• statistics.median_low(data)
  คืนค่ามัธยฐานที่ต่ำสุดของข้อมูล
  ตัวอย่างเช่น
  
  [python]
  >>> from statistics import *
  >>> median_low([1, 3, 5])
  3
  >>> median_low([1, 3, 5, 7])
  3
  >>> median([1, 3, 5, 7]) # หากใช้ median() จะเป็นการหาค่ามัธยฐาน (ค่ากลาง) ของข้อมูล
  4.0
  [/python]
  
  


• statistics.median_high(data)
  คืนค่าค่ามัธยฐานที่สูงสุดของข้อมูล
  ตัวอย่างเช่น
  
  [python]
  >>> from statistics import *
  >>> median_high([1, 3, 5])
  3
  >>> median_high([1, 3, 5, 7])
  5
  [/python]
  
  


• statistics.median_grouped(data, interval=1)
  คืนค่ามัธยฐานของการจัดกลุ่มข้อมูลอย่างต่อเนื่องคิดเป็นร้อยละ 50 โดยใช้การสอดแทรก
  ตัวอย่างเช่น
  
  [python]
  >>> from statistics import *
  >>> median_grouped([52, 52, 53, 54])
  52.5
  [/python]
  
  ในตัวอย่างต่อไปนี้เป็นข้อมูลที่ความโค้งมนเพื่อให้ค่าแต่ละจุดกึ่งกลางของคลาสข้อมูลเช่น 1 เป็นจุดกึ่งกลางของระดับ 0.5-1.5 และ 2 เป็นจุดกึ่งกลางของ 1.5-2.5 และ 3 เป็นจุดกึ่งกลางของ 2.5-3.5 ฯลฯ ด้วยข้อมูลที่กำหนดค่ากลางตกลงที่ไหนสักแห่งในระดับ 3.5-4.5 และการสอดแทรก จะใช้ในการประเมินมัน
  
  [python]
  >>> median_grouped([1, 2, 2, 3, 4, 4, 4, 4, 4, 5])
  3.7
  [/python]
  
  หากเรากำหนดค่า interval ลงไป
  
  [python]
  >>> median_grouped([1, 3, 3, 5, 7], interval=1)
  3.25
  >>> median_grouped([1, 3, 3, 5, 7], interval=2)
  3.5
  [/python]
  
  


• statistics.mode(data)
  คืนค่า Mode ค่าที่มีมากที่สุดของข้อมูลที่ไม่ต่อเนื่อง
  ตัวอย่างเช่น
  
  [python]
  >>> from statistics import *
  >>> mode([1,1,1,9,9,3])
  1
  [/python]
  
  

การวัดการกระจาย (Measures of spread)

• statistics.pstdev(data, mu=None)
  คืนค่าส่วนเบี่ยงเบนมาตรฐานประชากรของข้อมูล
  ตัวอย่างเช่น
  
  [python]
  >>> from statistics import *
  >>> pstdev([1.5, 2.5, 2.5, 2.75, 3.25, 4.75])
  0.986893273527251
  [/python]
  
  


• statistics.pvariance(data, mu=None)
  คืนค่าความแปรปรวนประชากรของข้อมูล
  ตัวอย่างเช่น
  
  [python]
  >>> from statistics import *
  >>> data = [0.0, 0.25, 0.25, 1.25, 1.5, 1.75, 2.75, 3.25]
  >>> pvariance(data)
  1.25
  [/python]
  
  ถ้าคุณได้คำนวณค่าเฉลี่ยของข้อมูลไว้แล้ว คุณสามารถใช้อาร์กิวเมนต์ mu เพื่อหลีกเลี่ยงการคํานวณ
  
  [python]
  >>> mu = mean(data)
  >>> pvariance(data, mu)
  1.25
  [/python]
  
  


• statistics.stdev(data, xbar=None)
  ตัวอย่างส่วนเบี่ยงเบนมาตรฐาน ( รากที่สองของความแปรปรวนของกลุ่มตัวอย่าง ) ของข้อมูล
  ตัวอย่างเช่น
  
  [python]
  >>> from statistics import *
  >>> stdev([1.5, 2.5, 2.5, 2.75, 3.25, 4.75])
  1.0810874155219827
  [/python]
  
  


• statistics.variance(data, xbar=None)
  ความแปรปรวนของตัวอย่างข้อมูล
  ตัวอย่างเช่น
  
  [python]
  >>> from statistics import *
  >>> data = [2.75, 1.75, 1.25, 0.25, 0.5, 1.25, 3.5]
  >>> variance(data)
  1.3720238095238095
  [/python]
  
  ถ้าคุณได้คำนวณค่าเฉลี่ยของข้อมูลไว้แล้ว คุณสามารถใช้อาร์กิวเมนต์ xbar เพื่อหลีกเลี่ยงการคํานวณ
  
  [python]
  >>> m = mean(data)
  >>> variance(data, m)
  1.3720238095238095
  [/python]