计算期望值（Expectation）是概率论和统计学中的一个重要概念，它用来描述一系列随机变量取值的集合的平均值。在Python中计算期望值非常方便，可以使用NumPy和SciPy等库提供的函数来实现。下面是计算期望值的完整攻略。
1. 期望值的定义
假设有一个随机变量X，它的概率分布函数为p(x)，则X的期望值E(X)定义为：
$$E(X) = \sum_{x} x \cdot p(x)$$
其中，求和符号表示对所有可能的取值求和。
2. NumPy中的期望值函数
NumPy库提供了一个名为numpy.mean()的函数，用于计算数组中元素的平均值，也就是期望值。可以将数组中的元素视为一组随机变量的取值，平均值即为期望值。示例代码如下：
import numpy as np
# 定义数据集
data = np.array([1, 2, 3, 4, 5])
# 计算期望值
expectation = np.mean(data)
print("期望值：", expectation)
输出结果为：
期望值： 3.0
3. SciPy中的期望值函数
SciPy库提供了一个名为scipy.stats.expect()的函数，用于计算一组随机变量的期望值。该函数需要传入一个概率密度函数作为参数，表示随机变量的概率分布。示例代码如下：
from scipy.stats import norm
# 定义正态分布函数
rv = norm(loc=0, scale=1)
# 计算期望值
expectation = rv.expect()
print("期望值：", expectation)
输出结果为：
期望值： 0.0
在此示例中，我们定义了一个均值为0，标准差为1的正态分布函数，然后使用rv.expect()函数计算其期望值。