# 使用Python内置函数计算平均值
def calculate_average(data):
    return sum(data) / len(data) if len(data) > 0 else 0

# 示例数据
scores = [85, 92, 78, 90, 88]
average_score = calculate_average(scores)

print(f"学生平均分: {average_score:.2f}")  # 输出: 学生平均分: 86.60

# 使用NumPy计算平均值
import numpy as np

# 示例数据 - 学生各科成绩
math_scores = np.array([78, 85, 92, 65, 88])
science_scores = np.array([85, 76, 90, 68, 92])

# 计算单个科目的平均分
math_avg = np.mean(math_scores)
print(f"数学平均分: {math_avg:.2f}")  # 输出: 数学平均分: 81.60

# 计算多个科目的平均分
all_scores = np.array([math_scores, science_scores])
subject_avg = np.mean(all_scores, axis=1)
print(f"各科平均分: {subject_avg}")  # 输出: 各科平均分: [81.6 82.2]

# 使用statistics模块计算平均值
import statistics

# 示例数据 - 每日温度记录
temperatures = [22.5, 23.0, 24.5, 21.8, 22.3, 25.1, 23.7]

# 计算平均温度
try:
    avg_temp = statistics.mean(temperatures)
    print(f"平均温度: {avg_temp:.2f}°C")  # 输出: 平均温度: 23.27°C
except statistics.StatisticsError as e:
    print(f"错误: {e}")

# 处理包含非数字数据的列表
mixed_data = [10, 15, 20, "25", 30]
numeric_data = [x for x in mixed_data if isinstance(x, (int, float))]
if numeric_data:
    avg_value = statistics.mean(numeric_data)
    print(f"有效数据平均值: {avg_value}")  # 输出: 有效数据平均值: 18.75

专业建议： 对于数据分析项目，推荐使用NumPy库，它在处理大型数据集时性能最佳。对于快速脚本或简单计算，内置函数最为方便。

Q: 如何处理包含空值或非数值的数据？

A: 在计算平均值前，需要先进行数据清洗：

• 过滤掉None值：clean_data = [x for x in data if x is not None]
• 转换可转换的字符串：numeric_data = [float(x) for x in data if is_convertible(x)]

Q: 如何计算加权平均值？

A: 使用NumPy可以轻松计算加权平均值：

import numpy as np

values = [80, 90, 70]
weights = [0.2, 0.5, 0.3]  # 权重总和应为1

weighted_avg = np.average(values, weights=weights)
print(f"加权平均值: {weighted_avg}")  # 输出: 加权平均值: 83.0

Q: 计算平均值时遇到除零错误怎么办？

A: 在计算前检查数据长度：

def safe_average(data):
    if len(data) == 0:
        return 0  # 或抛出异常/返回None
    return sum(data) / len(data)