用std::vector配合std::accumulate算方差最稳妥：先求和得均值，再用lambda累加平方差，分母依总体（n）或样本（n-1）选择；务必用double初值0.0防截断，空容器需判空。
用 std::vector 配合 std::accumulate 算方差最稳妥
直接对裸数组（如 int arr[5]）算标准差容易越界或忽略长度，推荐先转成 std::vector。方差本质是「各元素与均值之差的平方的平均值」，所以得走三步：求和 → 算均值 → 算平方差均值。
关键点：
-
std::accumulate默认加法，求和时记得传起始迭代器、结束迭代器和初值（比如0.0，用double避免整数截断） - 均值必须用
double类型存，否则arr[i] - mean会因整数减法丢精度 - 方差分「总体方差」和「样本方差」：前者除以
n，后者除以n-1；C++ 标准库不区分，得自己控制分母
std::vector<double> data = {1.0, 2.0, 3.0, 4.0, 5.0};
double sum = std::accumulate(data.begin(), data.end(), 0.0);
double mean = sum / data.size();
double variance = std::accumulate(data.begin(), data.end(), 0.0,
[mean](double acc, double x) { return acc + (x - mean) * (x - mean); })
/ data.size(); // 总体方差
std::valarray 能一行写完但兼容性差
std::valarray 支持向量化运算，适合数学密集场景，但很多嵌入式工具链或老编译器（如 GCC 7 以下）对它的实现不全，std::sqrt 作用于 valarray 可能报错。
如果确定环境支持，可以这样压成一行：
立即学习“C++免费学习笔记（深入）”；
std::valarray<double> v{1,2,3,4,5};
double mean = v.sum() / v.size();
double variance = ((v - mean) * (v - mean)).sum() / v.size();
double stddev = std::sqrt(variance);
注意：v - mean 是逐元素减法，* 是逐元素乘，不是矩阵乘——这点和 Python 的 NumPy 类似，但没那么智能。
裸数组用 std::begin/std::end 避免硬编码长度
如果非要用 int arr[N]，别写 for(int i=0; i<5; ++i) 这种魔法数字。用 std::begin(arr) 和 std::end(arr) 让编译器推导长度，既安全又适配 constexpr 数组。
常见错误：
- 对指针传进来的数组（如
void f(int* p)）调用std::end(p)会编译失败——它只接受真实数组类型 -
sizeof(arr)/sizeof(arr[0])在函数内失效，因为数组退化为指针
正确姿势：
template<size_t N>
double array_variance(const double (&arr)[N]) {
double sum = std::accumulate(std::begin(arr), std::end(arr), 0.0);
double mean = sum / N;
return std::accumulate(std::begin(arr), std::end(arr), 0.0,
[mean](double a, double x) { return a + (x - mean)*(x - mean); })
/ N;
}
标准差结果不准？先检查数据类型和溢出
方差计算中 (x - mean) * (x - mean) 容易溢出，尤其当数据范围大（如 int 接近 INT_MAX）或数量多时。浮点误差也会累积——比如对 {1e9, 1e9+1, 1e9+2} 直接算，可能得到 variance ≈ 0.666666，但用双精度中间变量才能保有效数字。
实操建议：
- 原始数据是
int就尽早转double，别等到最后一步才转 - 超大数据集考虑用「两遍算法」：第一遍算均值，第二遍累加平方差，比单遍的「Welford 算法」更易懂且足够稳
- 别用
float存方差——float仅约 7 位有效数字，10 万量级数据的平方差就可能失真
最常被跳过的细节：方差开方后是标准差，但很多人忘了确认自己要的是总体还是样本——统计报告里默认是样本标准差（除以 n-1），而物理实验数据常要求总体标准差（除以 n）。这个分母差一点，结果就偏了。
