利用PYTHON处理对比，零件常见基础数据

　　为消除厂家制造零件不同种类产品的影响，可使用标准差系数 %
　　越大，  代表越小，数据分散。
　　越小，  代表越大，数据集中。
　　另外注意的一点，注意上文表2，
　　我们是使用简单分组中使用组平均数
　　如果是采用组距式分组中应使用组中值
　　平均数
　　介绍算术平均数和加权平均数，首先算术平均数的PYTHON代码如下  ### 均值函数 Mean(x)
　　def Mean(x):
　　return sum(x)//len(x)
　　Mean(xx)### 加权平均 WMean(x,w)
　　def WMean(x,w):
　　return sum([a*b for a,b in zip(x,w)])//sum(w)
　　e=dict(xx)
　　x=e.keys()
　　y=e.values()
　　WMean(x,y)
　　加权平均数的代码如上
　　各个零件乘各自的＂权＂除以总数的平均数。权重是占总数的比重，乘以各个零件相加，再除以总数。加权平均数通过组数据反应总体的平均值。
　　众数 是 数据中出现次数最多的数。商品进货使用众数  ### 众数函数 Mode(x)
　　def Mode(x):
　　return x[max(dict(x))]
　　Mode(xx)
　　中位数 数据顺序排列，中间数叫做中位数；如果n为偶数，取平均数。  ### 中位数函数 Median(x)
　　def Median(x):
　　sorted(x)
　　y=len(x)//2
　　if y%2==0:
　　zw=x[(y-1):y]
　　else:
　　zw=x[y]
　　return zw
　　Median(xx)
　　极差 最大值与最小值的差。极差越大，数据越分散。
　　方差 是各个数据与平均数之差的平方和的平均数：
　　### 方差函数
　　def Var(x):
　　return sum([(x[i]-Mean(x))**2 for i in x])/len(x)
　　Var(xx)
　　标准差 就是方差的算术平方根：
　　标准差  ### 标准差函数 stderr(x)
　　def stderr(x):
　　return (sum([(x[i]-Mean(x))**2 for i in x])/len(x))**0.5
　　stderr(xx)
　　一般而言，一组数据的极差、方差或标准差越小，这组数据就越稳定。