Initial commit of LLM speed test app

backend/stats.py

@@ -0,0 +1,61 @@
+"""统计计算工具"""
+import math
+from typing import List
+
+
+def _percentile_at(sorted_data: list[float], pct: float) -> float:
+    """在线性插值下，返回排序后数据的指定百分位值。
+
+    注意：调用方必须确保 data 已排序。
+    """
+    n = len(sorted_data)
+    if n == 0:
+        return 0.0
+    k = (pct / 100.0) * (n - 1)
+    f = math.floor(k)
+    c = math.ceil(k)
+    if f == c:
+        return sorted_data[int(k)]
+    d0 = sorted_data[int(f)] * (c - k)
+    d1 = sorted_data[int(c)] * (k - f)
+    return d0 + d1
+
+
+def percentile(data: List[float], pct: float) -> float:
+    """计算指定百分位数的值（线性插值）
+
+    空数据返回 0.0，调用方应通过检查 count 来判断是否有数据。
+    """
+    return _percentile_at(sorted(data), pct)
+
+
+def percentiles(data: List[float], pcts: List[float]) -> dict:
+    """单次排序，批量计算多个百分位，返回 {pct: value}。"""
+    sorted_data = sorted(data)
+    return {p: _percentile_at(sorted_data, p) for p in pcts}
+
+
+def mean(data: List[float]) -> float:
+    """算术平均值"""
+    if not data:
+        return 0.0
+    return sum(data) / len(data)
+
+
+def std(data: List[float]) -> float:
+    """样本标准差（n-1）"""
+    if len(data) < 2:
+        return 0.0
+    m = mean(data)
+    variance = sum((x - m) ** 2 for x in data) / (len(data) - 1)
+    return math.sqrt(variance)
+
+
+def min_val(data: List[float]) -> float:
+    """最小值"""
+    return min(data) if data else 0.0
+
+
+def max_val(data: List[float]) -> float:
+    """最大值"""
+    return max(data) if data else 0.0