python - 从模拟的高斯数据集中计算平均值/中值/标准偏差的所有值？

Question

我已经为特定的高斯分布（特别是 1,000 次试验）生成了许多试验（数据集），并且想要计算所有 1,000 次试验的平均值、中位数和标准差。每个试验包含 100 个数据点。试验是使用以下代码创建的：

import random

import numpy as np

import numpy.random as ra

import statistics 

#Defining variables for mu, sigma, number of trials, and N is number of data points for each trial
mu, sigma, trials, N = 0, 1, 1000, 100

#This makes the random numbers generated not change when rerunning the code
np.random.seed(0)

data = np.random.normal(loc=mu, scale=sigma, size=(trials, N))

#This generates 1,000 data sets each with 100 data points from the given mu and sigma

现在这就是我卡住的地方。假设我想计算 1,000 次试验中每一次的平均值。我想使用：

statistics.mean(data)

会工作，但它给了我一个

TypeError：无法将类型“ndarray”转换为分子/分母

任何帮助将不胜感激！

标签： pythonstatisticsgaussian