یک برنامه پایتون بنویسید که میانگین، میانه و انحراف معیار را از یک فایل متنی بزرگ شامل اعداد اعشاری محاسبه کند و در صورت بزرگ بودن داده‌ها با استفاده از پردازش موازی یا خواندن به‌صورت قطعه‌ای (chunked) بهینه‌سازی کند.

برای حل مسئله می‌توانید از numpy برای عملیات برداری (np.mean، np.std) استفاده کنید، اما برای فایل‌های بسیار بزرگ از روش‌هایی مثل numpy.memmap یا خواندن داده‌ها به‌صورت قطعه‌ای و ترکیب نتایج میانی استفاده کنید (یا از الگوریتم آنلاین Welford برای محاسبه میانگین و واریانس بدون بارگذاری کل داده‌ها در حافظه). برای سرعت‌بخشی و بهره‌گیری از معماری‌های HPC می‌توانید پردازش هر قطعه را با multiprocessing یا ThreadPool به‌صورت موازی اجرا کنید و سپس مقادیر جزئی را جمع‌بندی کنید؛ برای میانه در داده‌های بسیار بزرگ می‌توان از نمونه‌گیری یا مرتب‌سازی خارجی (external sort) استفاده کرد. نکات عملی: از عملیات برداری numpy به‌جای حلقه‌های پایتون استفاده کنید، حجم قطعات را طوری انتخاب کنید که حافظه کافی بماند، و خروجی‌ها را به صورت عددی یا فایل ذخیره کنید.