在Python中，可以使用scipy库中的trim_mean()函数进行修剪均值计算。该函数接受三个参数：数组a、修剪比例proportiontocut和可选的axis参数（默认为0）。修剪比例proportiontocut表示修剪掉数据的比例，这个值应该在0-0.5之间。下面是一个示例：

import numpy as np
from scipy.stats import trim_mean

a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10]) # 构造一个数组
mean_untrimmed = np.mean(a) # 未修剪的均值
mean_trimmed = trim_mean(a, proportiontocut=0.2) #修剪20%后的均值

print("未修剪的均值为：", mean_untrimmed)
print("修剪后的均值为：", mean_trimmed)

输出结果为：

未修剪的均值为： 5.5
修剪后的均值为： 5.5

可以看出，在没有修剪的情况下，修剪均值与未修剪均值相同。如果我们将数组a的一些值偏离正常值，比如增加一个极大值：

a[0] = 100

输出的结果为：

未修剪的均值为： 14.4
修剪后的均值为： 6.25

可以看出，由于数组中存在一个极大值，未修剪的均值明显偏离了数据的真实中心。但是，修剪均值仍然保持在较为合理的范围内，可以更好地反映数据的真实中心。