参考链接： 在Python中计算均值，中位数和众数
最佳方法： 采用取反的方式来求中位数，排序后结果为l=[1,2,3,4,5,6,7,8,9,10],长度为10，half=10//2=5,x[5]为列表的第六位数，5的取反数为-6,x[-6]实际上是对列表进行反向查找，为列表中的第五位数，长度为偶数10时中值5 6/2=5.5。
当结果为l=[1,2,3,4,5,6,7,8,9]时，长度为9，half=9//2=4,x[4]为列表的第五位数，4取反为-5，x[-5]在列表中是正向反向查找中的第五位数，所以x[4]==x[-5],中位数就为x[4]或者x[-5]。
复制代码 def median(data): data.sort() half = len(data) // 2 return (data[half] data[~half])/2
l = [1,2,3,7,5,6,4,9,8,10] if name == ‘main’: print(median(l))
还可以用numpy库来完成这一操作 python] view plain copy
nums = [1,2,3,4]
求均值和中位数均可以使用numpy库的方法： [python] view plain copy
import numpy as np
#均值 np.mean(nums) #中位数 np.median(nums)
求众数方法一： 在numpy中没有直接的方法，但是也可以这样实现：
[python] view plain copy
import numpy as np
counts = np.bincount(nums) #返回众数 np.argmax(counts) 其中np.bincount方法返回了一个长度为nums最大值的列表，列表中的每个值代表其索引位数值出现在nums中的次数，例如
返回[2,1,0]，代表0在nums中出现2次，而1在nums中出现1次，3在nums中没有出现。
然后再使用np.argmax就能得到众数啦。但是，由于索引值是从0开始的，所以这种求众数的方法只能用在非负数据集。
求众数方法二——直接利用scipy下stats模块【推荐】： [python] view plain copy
from scipy import stats
stats.mode(nums)[0][0]
