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

Question

我使用statistics.mean（）来计算采样分布的均值。但是，在下面的代码中，下面值的返回值是四舍五入的整数。如果我使用numpy.mean（），将会得到正确的浮点类型结果。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。

从docs为statistics：

除非另有明确说明，这些功能支持整数，浮点， decimal.Decimal和fractions.Fraction。其他类型的行为 （无论是否在数字塔中）当前不受支持。混合 类型也是未定义和实现相关的。如果您输入的数据由混合类型组成，您可能可以使用map（）来确保一致的结果，例如， map（float，input_data）。

要解决这个问题，你可以做的建议，并传递给statistics.mean()之前，你的数据转换为float。

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

现在对于这种行为背后的根本原因：

在source code为statistics.mean结束，还有就是statistics._convert一个电话，其目的是要返回的值转换为适当的类型（即分数如果输入是分数，float如果输入是int等）。

在_convert甲single line旨在捕获其他数据类型，并确保该返回值是与所提供的数据是一致的（T是对于每个输入值的数据类型，value是所计算的平均值）：

try: 
    return T(value) 

如果您的输入是numpy.int64，那么_convert函数会尝试将计算出的平均值转换为numpy.int64数据类型。 NumPy很高兴地将float转换为int（我认为是向下舍入）。因此mean函数返回一个四舍五入到最接近的整数的均值，编码为numpy.int64。

如果你的输入数据是numpy.float64，那么你就不会有这个问题。