# 截尾平均计算器 从低端和高端删除相同比例的数据后计算截尾平均 > 标准页面: https://elysiatools.com/zh/tools/trimmed-mean-calculator - **分类:** Math & Numbers - **关键词:** 截尾平均, 修剪平均, 统计, 离群值, 稳健平均 ## 概述 对数据排序后，从低端和高端各删除指定比例，再对剩余值求平均。适合希望直接排除离群值的评分、调查和测量数据。 ## 输入项 - **数据集** (textarea): e.g. 10, 12, 14, 16, 18, 100 - **每端裁剪百分比** (number) - **小数位数** (number) - **包含裁剪后的数值** (checkbox) ## 适用场景 - 比赛或绩效评分中需要去掉最高分和最低分以保证公平性时。 - 分析问卷调查或薪资数据，希望排除极端异常值对整体平均数的影响时。 - 处理科学实验或传感器测量数据，需要计算稳健平均值（Robust Mean）时。 ## 工作原理 - 在文本框中输入您的数据集，数值之间可以使用逗号或空格分隔。 - 设置“每端裁剪百分比”（例如 10%），工具会自动对数据进行排序，并从最高和最低端各删除对应比例的数据。 - 选择所需保留的小数位数，并可选择是否在结果中查看被裁剪后的剩余数值。 - 系统将立即输出排除离群值后的截尾平均数。 ## 使用案例 - 体操、跳水等竞技体育比赛中的裁判打分统计。 - 房地产市场中的平均房价计算，排除极高价豪宅和极低价房产的干扰。 - 实验室传感器数据采集，过滤掉因设备波动产生的异常峰值和谷值。 ## 常见问题 ### 什么是截尾平均数（Trimmed Mean）？ 截尾平均数是一种统计学上的稳健平均值，它在计算前会先将数据按大小排序，然后去除两端一定比例的极端值，再对剩余的数据求算术平均。 ### “每端裁剪百分比”设置为 20% 是什么意思？ 这意味着工具会从排序后的数据集中删除最小的 20% 和最大的 20% 的数值，仅对中间 60% 的数据计算平均值。 ### 截尾平均数和普通平均数有什么区别？ 普通平均数容易受到极端值（离群值）的严重影响，而截尾平均数通过直接剔除这些极端值，能够更真实地反映数据的集中趋势。 ### 如果裁剪比例计算出的数据个数不是整数怎么办？ 工具会自动采用标准的取整规则来确定要删除的具体数据个数，以确保两端删除的数量完全一致。 ### 这个工具支持输入多少个数据？ 工具支持批量输入大量数值，只需确保数值之间使用逗号、空格或换行符正确分隔即可。 ## 相关工具 - [去除重复行](https://elysiatools.com/zh/tools/remove-duplicate-lines): 对列表或文本块中的行去重。保留每行的首次或最后一次出现，支持区分大小写、比较前修剪空白和忽略空行。 - [文件名清理器](https://elysiatools.com/zh/tools/filename-sanitizer): 清理和消毒文件名，移除Windows、Linux和Mac的非法字符 - [数据清洗器](https://elysiatools.com/zh/tools/data-cleaner): 清洗和标准化数据，修复拼写错误、标准化格式、移除重复项和填充缺失值 - [离群值处理器](https://elysiatools.com/zh/tools/data-outlier-processor): 高级离群值检测和处理工具，使用多种统计方法识别、删除或替换数值数据中的异常值。完美用于数据清洗、统计分析和机器学习数据准备。 功能特点： - 多种检测方法（IQR、Z-score、修正Z-score、孤立森林） - 灵活处理策略（删除、替换均值/中位数/众数、封顶） - 自动阈值优化 - 多维离群值检测 - 可视化离群值统计和报告 - 批量处理能力 - 自定义敏感度级别 - 综合影响分析 常见用途： - 数据清洗和预处理 - 统计分析准备 - 机器学习数据集清洗 - 制造业质量控制 - 金融异常检测 - 传感器数据验证 - [数据范围限制器](https://elysiatools.com/zh/tools/data-range-limiter): 将数值限制在指定范围内，通过裁剪、过滤或标记越界值。完美用于数据质量控制、传感器数据清洗、业务规则执行和数据预处理。 功能特点： - 范围裁剪（将值裁剪到最小/最大边界） - 范围过滤（移除越界行） - 范围标记（标记修改的值） - 每列范围配置 - 自动数值列检测 - 多种处理策略 - 详细修改报告 - 变更统计分析 - 业务规则执行 常见用途： - 传感器数据验证和清洗 - 机器学习输入准备 - 数据质量控制和验证 - 业务约束执行 - 异常值管理和控制 - 数据预处理管道 - [Z-Score标准化工具](https://elysiatools.com/zh/tools/data-zscore-normalizer): 使用Z-Score（标准分数）标准化数值数据，使数据均值为0，标准差为1。完美用于统计分析、机器学习特征预处理、异常检测和不同尺度数据比较。 功能特点： - Z-Score标准化（均值=0，标准差=1） - 稳健Z-Score选项（使用中位数和MAD） - 自定义缩放到目标范围 - 多列选择 - 自动数据类型检测 - 智能处理缺失值 - 保留非数值列 - 综合统计摘要 - 异常值检测和报告 常见用途： - 机器学习特征准备 - 统计假设检验 - 异常值检测和移除 - 不同单位数据比较 - 主成分分析（PCA）预处理 - [表头删除器](https://elysiatools.com/zh/tools/header-remover): 从CSV数据中删除表头，创建无表头的干净文件。非常适合数据库导入、数据处理管道、API集成和需要无表头CSV格式的系统。 功能特点： - 从CSV数据中删除第一行（表头） - 删除多个表头行 - 删除表头前跳过空行 - 保持数据完整性 - 支持多种CSV分隔符 - 删除前预览 - 数据验证选项 - 批量处理能力 常见用途： - 为数据库导入准备数据 - 清理API响应数据 - 从导出文件中移除元数据 - 为机器学习创建无表头数据 - 为不使用表头的系统准备数据 - 从结构化文件中提取纯数据值 - [平均值计算器](https://elysiatools.com/zh/tools/average-calculator): 在同一处比较算术、几何和调和平均值 ## 示例 - [重复行示例](https://elysiatools.com/zh/samples/text-duplicate-line-samples): 用于测试重复行移除工具的各种重复行类型的示例文件 - [特殊字符示例](https://elysiatools.com/zh/samples/text-special-characters-samples): 用于测试非字母数字字符移除的各种特殊字符、标点符号和符号的示例文本文件 - [代码注释示例](https://elysiatools.com/zh/samples/code-comment-samples): 用于测试注释移除的各种注释样式代码示例文件 - [Android Java 数据结构示例](https://elysiatools.com/zh/samples/android-datastructures-java): Android Java 数据结构示例，包括数组、哈希表和链表的常用操作 ## 相关内容 - [数据质量与异常调查工作流](https://elysiatools.com/zh/hubs/data-quality-anomaly-workflows): 对表格数据做质量剖析，识别重复、缺失、参照断裂、离群和值班时序异常，并把发现整理成可辩护的质量证据。