详解Python 计算期望值

计算期望值（expectation）在概率论中是一项重要的计算任务。Python 作为一门流行的编程语言，在有着许多用于概率计算的库的支持下，可以很方便地计算期望值。

在 Python 中，我们可以使用 NumPy 库来计算期望值。下面的代码是一个演示例子，其中使用 NumPy 计算了一个列表变量 x 的期望值：

import numpy as np

x = [1,2,3,4,5]  # 定义一个列表变量 x
mean = np.mean(x)  # 使用 NumPy 计算期望值
print('The expectation of x is: ', mean)

以上代码中，首先我们导入了 NumPy 库，并定义了一个列表变量 x。接着，使用 np.mean 函数计算了 x 的期望值，最后通过 print 函数将结果输出。

除了使用 NumPy，Python 还有许多其它的库可以计算期望值。例如，使用 SciPy 库可以更方便地计算分布函数的期望值。

下面是一个使用 SciPy 计算正态分布的期望值的示例代码：

import scipy.stats as stats

mean = 0
std_dev = 1
normal_dist = stats.norm(mean, std_dev)

expectation = normal_dist.moment(1)  # 使用 moment 函数获得一阶矩（期望值）
print('The expectation of the normal distribution is:', expectation)

在此代码示例中，我们首先导入了 SciPy 库并定义了一个均值为 0，标准差为 1 的正态分布随机变量。为了计算期望值，我们使用了 normal_dist.moment(1) 函数，该函数会返回该分布的一阶矩，即期望值。

通过上述两个代码示例，我们可以看到，Python 计算期望值的过程非常直白。无论是使用 NumPy，还是使用 SciPy 中的函数，只需要了解概率分布的类型，然后调用相应的计算函数即可。