加权平均需手动计算分子（数据×权重和）与分母（权重和），推荐用std::accumulate配合lambda，确保两数组长度一致、权重非负非零且为double类型以避免整除或除零。
用 std::accumulate 手动加权求和再除以权重和
标准库没有直接计算加权平均值的函数，最稳妥的方式是自己算分子（各元素 × 对应权重之和）和分母（权重之和）。std::accumulate 可以配合 lambda 累积加权和，比手写 for 循环更简洁且不易越界。
常见错误是把权重数组长度和数据数组长度搞错，导致 std::out_of_range 或静默计算错误。务必确保两个数组大小一致，或显式传入共同长度。
- 权重可以是
double类型，避免整数除法截断（比如权重全为int但结果要小数） - 如果权重含负数或全为零，需提前检查，否则会触发除零或语义错误
- 示例：对
std::vector<double> data = {1.0, 2.0, 3.0}</double>和std::vector<double> weights = {0.5, 1.0, 1.5}</double>，加权平均 =(1*0.5 + 2*1.0 + 3*1.5) / (0.5+1.0+1.5)=7.0 / 3.0 ≈ 2.333...
用原始数组时注意指针偏移和长度传递
如果用 C 风格数组（如 double arr[]），不能直接对数组名调用 sizeof(arr)/sizeof(*arr) 获取长度——在函数参数中它会退化为指针，sizeof 返回指针大小而非数组大小。必须额外传入长度，或用模板推导（仅限编译期已知大小）。
容易踩的坑是把权重指针和数据指针长度弄混，尤其当两个数组定义在不同作用域、大小不同时。调试时可加断言：assert(n > 0 && data != nullptr && weights != nullptr);
立即学习“C++免费学习笔记（深入）”；
- 推荐签名：
double weighted_mean(const double* data, const double* weights, size_t n) - 若坚持用模板推导数组长度，可写：
template<size_t n> double weighted_mean(const double (&data)[N], const double (&weights)[N])</size_t>，但要求两个数组大小字面量一致 - 性能上无差异，但后者在编译期检查长度，更安全
用 std::valarray 快速向量化计算（适合大批量）
如果数据量大且需要简洁表达，std::valarray 支持逐元素乘法和 sum()，一行就能写出加权平均：(data * weights).sum() / weights.sum()。它底层可能做优化，但实际性能取决于实现，不一定比循环快。
注意 std::valarray 不是常用容器，很多团队代码规范禁止使用；且它不提供迭代器，和 STL 算法不兼容。调试时打印内容也不如 vector 直观。
- 必须确保
data.size() == weights.size()，否则行为未定义 -
valarray的sum()返回value_type，若元素是int，除法仍是整除——务必用double类型构造 - 示例：
std::valarray<double> v{1,2,3}, w{0.5,1,1.5}; auto res = (v*w).sum() / w.sum();</double>
加权平均本身逻辑简单，但 C++ 里真正麻烦的是类型匹配、边界安全和数组长度管理——尤其是混合使用 vector、原始指针、valarray 时，很容易在一个地方用 .size()，另一个地方又用 sizeof，最后结果偏差却难以复现。
