### 实现功能 以下是通过 Python 编写的一个函数，该函数可以接收用户输入的 1 到 10 的数字，并计算其平均值： ```python def calculate_average(): numbers = [] for i in range(1, 11): # 循环从1到10 try: user_input = float(input(f"请输入第 {i} 个数字 (范围为1至10)：")) if 1 <= user_input <= 10: # 验证输入是否在范围内 numbers.append(user_input) else: print("输入超出范围，请重新运行程序并输入有效数值。") return None except ValueError: print("无效输入，请确保您输入的是数字。") return None average_value = sum(numbers) / len(numbers) # 计算平均值 return average_value result = calculate_average() if result is not None: print(f"所输入数字的平均值为：{result}") ``` 上述代码实现了以下功能： - 使用 `input` 函数提示用户依次输入十个数字[^3]。 - 对每次输入进行验证，确保它是一个浮点数并且位于指定范围内（即 1 至 10）。如果输入不符合条件，则会终止程序并给出错误消息。 - 将有效的输入存储在一个列表中，并最终利用内置的 `sum()` 和 `len()` 方法来求取这些数字的平均值。 此脚本还包含了异常处理部分，用来捕获非数字类型的输入情况下的错误，从而提高用户体验和程序健壮性[^4]。 ### 关于 NumPy 和 SciPy 的扩展应用 虽然对于简单的平均值计算不需要借助外部库，但如果涉及更复杂的科学计算场景时，可考虑引入 NumPy 或 SciPy 这样的高效工具包来进行操作。例如，在大规模数据集上执行类似的统计分析任务时，使用 NumPy 可以极大地简化代码结构以及提升性能表现[^2]。 #### 示例：基于 NumPy 的实现方式 ```python import numpy as np numbers = np.array([float(input(f"Enter number {i+1}: ")) for i in range(10)]) average = np.mean(numbers[numbers >= 1 & (numbers <= 10)]) print(f"The calculated mean value within specified bounds is {average}.") ``` 这里采用了列表推导式配合 NumPy 数组的方式快速完成相同逻辑的任务定义过程，同时运用了布尔索引来筛选符合条件的数据项参与后续运算步骤。