Python中是否有内置或标准库方法来计算数字列表的算术平均值(一种平均值)？
使用Numpy/Python,是否可以从单个函数调用返回均值和方差？
我知道我可以单独进行,但平均值需要计算样本标准偏差.因此,如果我使用单独的函数来获得均值和方差,我会添加不必要的开销.
我曾尝试在这里查看numpy文档(http://docs.scipy.org/doc/numpy/reference/routines.statistics.html),但没有成功.
在使用一些统计分析工具时，我发现至少有 3 种 Python 方法来计算均值和标准差（不包括“自己动手”技术）：
np.mean(), np.std()（ddof=0 或 1）statistics.mean()，statistics.pstdev()（和/或statistics.stdev） scipy.statistics 包裹这让我摸不着头脑。应该有一种明显的方法来做到这一点，对吧？:-) 我发现了一些较旧的 SO 帖子。一个比较了np.mean()vs的性能优势statistics.mean()。它还突出了 sum 运算符的差异。那篇文章在这里：
为什么统计平均值这么慢
我正在处理numpy数组数据，我的值落在一个很小的范围内（-1.0 到 1.0，或 0.0 到 10.0），所以这些numpy函数似乎是我的应用程序的明显答案。对于我将要处理的数据，它们在速度、准确性和易于实施之间取得了良好的平衡。
看起来该statistics模块主要用于那些在列表（或其他形式）中包含数据的模块，或者用于范围广泛的模块[1e+5, 1.0, 1e-5]。这仍然是一个公平的声明吗？是否有任何numpy增强功能可以解决 sum 运算符中的差异？最近的发展是否带来了其他优势？
数值算法通常有积极和消极的方面：有些更快，或更准确，或者需要更小的内存占用。当面临 3-4 种计算方法的选择时，开发人员的责任是为他/她的应用程序选择“最佳”方法。通常，这是竞争优先级和资源之间的平衡行为。
我的目的是征求具有统计分析经验的程序员的回复，以深入了解上述方法（或其他/更好的方法）的优缺点。[我对没有支持事实的猜测或意见不感兴趣。] 我将根据我的设计要求做出自己的决定。