std::accumulate计算平均值更安全简洁，需用0.0作初始值并检查空容器；方差应优先用样本方差公式（n-1分母）和两趟遍历法保证精度；整数输入须提前转double避免截断。
用 std::accumulate 算平均值，别手写循环
平均值本质就是总和除以个数，C++ 标准库的 std::accumulate 比手写 for 循环更安全、更简洁，尤其能避免整数除法截断问题。关键点在于传入的初始值类型必须和期望结果一致：
- 如果数据是
std::vector<double></double>，初始值用0.0，否则0会触发整数累加再转 double，可能溢出或精度丢失 - 空容器时
std::accumulate返回初始值，所以得先判断vec.empty()，否则除零崩溃 - 不要用
std::reduce替代——它在 C++17 引入，但默认不保证顺序，对浮点数求和可能因并行导致结果微小差异
double mean(const std::vector<double>& vec) {
if (vec.empty()) return 0.0;
double sum = std::accumulate(vec.begin(), vec.end(), 0.0);
return sum / vec.size();
}方差计算要分清「样本」和「总体」，公式不能混用
方差有两种定义：总体方差用 n 作分母，样本方差用 n-1（贝塞尔校正）。实际中绝大多数场景（比如统计一组实验数据、模型预测误差）应使用样本方差，否则低估离散程度。
- 常见错误：直接套用教科书上的「平方和减均值平方」公式
sum(x²) - mean²，这在数值上不稳定，当数据量大且均值接近单个值时，会造成严重精度损失 - 稳妥做法是两趟遍历：第一趟算均值，第二趟累加
(x - mean) * (x - mean) - 如果非要单趟（如流式数据），可用
Welford 算法，但日常够用的场景没必要增加复杂度
double variance_sample(const std::vector<double>& vec) {
if (vec.size() < 2) return 0.0;
double m = mean(vec);
double sq_sum = 0.0;
for (double x : vec) sq_sum += (x - m) * (x - m);
return sq_sum / (vec.size() - 1);
}用 std::valarray 批量运算更简洁，但注意它的隐式拷贝开销
如果你的数据规模不大（几千以内），且追求代码可读性而非极致性能，std::valarray 提供了类似 Python NumPy 的向量化写法，省去显式循环：
C++ Code Review Master
下载
组合式C++代码评审方案，融合静态分析、AI推理、多轮迭代评审和C++专项检查，适用于PR审查、增量代码审查、全项目评审和代码质量评分，触发词包括review cpp、cpp代码评审、C++review、代码审查。
-
valarray支持-、*等操作符重载，可以直接写(v - m) * (v - m) - 但每次运算都会生成新
valarray对象，对大数组频繁调用会导致堆分配和拷贝，比原始for循环慢 2–3 倍 - 它不兼容 STL 算法（比如不能传给
std::sort），调试时也不如vector直观
double variance_valarray(const std::vector<double>& vec) {
if (vec.size() < 2) return 0.0;
std::valarray<double> v(vec.data(), vec.size());
double m = std::accumulate(vec.begin(), vec.end(), 0.0) / vec.size();
return ((v - m) * (v - m)).sum() / (vec.size() - 1);
}整数输入时务必提前转 double，否则方差全为 0
这是最常踩的坑：用 std::vector<int> 存数据，中间所有运算都用 int，结果方差永远是整数，小数部分被无声截断。
立即学习“C++免费学习笔记（深入）”；
- 均值计算时若用
int累加再除，结果向下取整；方差里(x - mean)可能为负，再平方又变正，但整个过程全是整数运算，精度全丢 - 解决方式不是最后转
double，而是在第一步就把数据视作double处理——要么构造std::vector<double>，要么在accumulate时用0.0初始值并显式 cast - 如果原始数据只能是
int且不能改容器类型，至少在计算前做一次std::transform转成double向量
数值稳定性比代码行数重要得多，尤其是方差这种对误差敏感的统计量。
