如何在Python中使用statistics模块快速计算统计学中的中位数

statistics.median() 报错“StatisticsError: no median for empty data”是因为其设计要求输入非空且全为数字，不处理None、字符串或空列表，需手动清洗数据并定义空值策略。

直接用 statistics.median() 就行，但要注意输入数据类型和空值处理 —— 它不接受空列表，也不自动忽略 None 或非数字值。

为什么 statistics.median() 会报错 “StatisticsError: no median for empty data”？

这个错误不是 bug，而是设计使然：statistics.median() 明确要求至少一个数值。它不会返回 0、None 或跳过空数据 —— 而是直接抛出 StatisticsError。

• 常见触发场景：从数据库或 CSV 读取一列全为空、过滤后结果为空、用户未输入等情况
• 不能靠 try/except 吞掉错误就完事，得明确业务逻辑：空时该返回什么？（比如 float('nan')、None 或默认值）
• 注意：statistics.median_low() 和 statistics.median_high() 同样拒绝空输入

传入 list、tuple、map 或生成器时行为一致吗？

只要可迭代且元素全是数字（int、float、Fraction、Decimal），median() 都能处理；但它会先把整个可迭代对象转成列表再排序，所以对大生成器不友好。

• 支持：statistics.median([1, 2, 3])、statistics.median((1.5, 2.5, 3.5))、statistics.median(map(int, ['1','2','3']))
• 不支持：statistics.median(range(1000000)) —— 会吃光内存，因为内部调用 list()
• 整数列表返回整数，浮点数列表返回浮点数，混合类型（如 [1, 2.0]）按 Python 类型提升规则处理

如何安全地处理含 None、字符串或缺失值的数据？

statistics.median() 不做任何清洗 —— 遇到 None 直接报 TypeError，遇到字符串（哪怕像 '1'）也一样。

立即学习“Python免费学习笔记（深入）”；

• 推荐先用列表推导式过滤并转换：[float(x) for x in data if x is not None and str(x).strip() != '']
• 更健壮的做法是封装一层：def safe_median(data): filtered = [x for x in data if isinstance(x, (int, float)) and not (isinstance(x, float) and math.isnan(x))]; return statistics.median(filtered) if filtered else float('nan')
• 别依赖 pandas.Series.median() 替代 —— 它默认跳过 NaN，语义不同，混用容易出逻辑偏差

中位数计算本身很简单，但真实数据永远带着脏、空、类型混乱 —— 关键不是“怎么调用函数”，而是“怎么定义‘有效数据’”。漏掉一次空列表检查，可能让整个 API 返回 500 错误。