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

我使用statistics.mean（）计算抽样分布的平均值。但是，在下面的代码中，以下值返回的值是舍入整数。如果改用numpy.mean（），将得到正确的浮点类型结果。这是怎么回事

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]))

---

statistics.mean

不支持

numpy.int64

数据类型

从用于统计的

，

：

除非另有明确说明，否则这些函数支持int、float、， 小数。小数和分数。分数。与其他类型的行为 （无论是否在数字塔中）当前不受支持。混合的 类型也未定义且依赖于实现。如果你的意见 数据由混合类型组成，您可以使用map（）来确保 一致的结果，例如地图（浮动、输入数据）

要解决这个问题，您可以按照建议进行操作，将数据转换为

float

，然后再传递到

statistics.mean（）

现在了解这种行为背后的根本原因：

在for

statistics.mean

的末尾，有一个调用

statistics.\u convert

，用于将返回值转换为适当的类型（即，如果输入为分数，则为分数，

如果输入为
int
等），则为float

in

\u convert

用于捕获其他数据类型，并确保返回值与提供的数据一致（

T

是每个输入值的数据类型，

value

是计算的平均值）：

如果您的输入是

numpy.int64

，则

\u convert

函数尝试将计算的平均值转换为

numpy.int64

数据类型。NumPy很高兴地将浮点转换为int（我想是向下舍入）。因此，

mean

函数返回一个四舍五入到最近整数的平均值，编码为

numpy.int64

---

如果您的输入数据是

numpy.float64

，那么您就不会有这个问题。

一个简单的例子：

statistics.mean（[6,7,8,9]）

和

statistics.mean（np.array（[6,7,8,9]）

。

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

try:
    return T(value)