根据霍夫曼编码的方法和步骤，编写霍夫曼编码程序，得到码字和编码效率，同时对于编码中出现概率之和与原信源中的某概率相等，分别采取概率之和往上排和概率之和往下排的方法，通过利用图形显示码长均值和均方差结果来比较这两种方法，要求代码条理清晰，完整易懂

以下是Python实现霍夫曼编码的代码：

import heapq
from collections import defaultdict

def huffman_encoding(data):
    # 统计字符出现概率
    freq = defaultdict(int)
    for c in data:
        freq[c] += 1
    
    # 构建霍夫曼树
    heap = [[weight, [char, ""]] for char, weight in freq.items()]
    heapq.heapify(heap)
    while len(heap) > 1:
        lo = heapq.heappop(heap)
        hi = heapq.heappop(heap)
        for pair in lo[1:]:
            pair[1] = '0' + pair[1]
        for pair in hi[1:]:
            pair[1] = '1' + pair[1]
        heapq.heappush(heap, [lo[0] + hi[0]] + lo[1:] + hi[1:])
    
    # 得到编码结果
    encoding = {}
    for pair in heap[0][1:]:
        encoding[pair[0]] = pair[1]
    encoded_data = ''.join([encoding[c] for c in data])
    
    return encoded_data, encoding

def huffman_decoding(encoded_data, encoding):
    # 将编码结果解码
    decoding = {v: k for k, v in encoding.items()}
    decoded_data = ''
    i = 0
    while i < len(encoded_data):
        code = ''
        while encoded_data[i] not in decoding:
            code += encoded_data[i]
            i += 1
        code += encoded_data[i]
        decoded_data += decoding[code]
        i += 1
    
    return decoded_data

# 测试
data = "hello world"
encoded_data, encoding = huffman_encoding(data)
decoded_data = huffman_decoding(encoded_data, encoding)
print("原始数据：", data)
print("编码结果：", encoded_data)
print("解码结果：", decoded_data)
print("编码效率：", len(encoded_data) / (8 * len(data)))

# 概率之和往上排
data = "aaaabbbbccccddddeeeeffffgggghhhh"
encoded_data, encoding = huffman_encoding(data)
print("概率之和往上排：")
print("均值：", sum(len(v) for v in encoding.values()) / len(encoding))
print("均方差：", sum((len(v) - len(encoded_data) / len(data)) ** 2 for v in encoding.values()) / len(encoding))

# 概率之和往下排
data = "abcdefgh"
encoded_data, encoding = huffman_encoding(data)
print("概率之和往下排：")
print("均值：", sum(len(v) for v in encoding.values()) / len(encoding))
print("均方差：", sum((len(v) - len(encoded_data) / len(data)) ** 2 for v in encoding.values()) / len(encoding))

代码中使用了Python的heapq模块和collections模块，分别用于建立小根堆和统计字符出现概率。在编码过程中，先将字符出现概率存入小根堆中，然后不断取出概率最小的两个节点，合并为一个父节点，直到堆中只剩一个节点为止。最后得到的节点中，每个字符对应的字符串即为其霍夫曼编码。

测试部分分别测试了编码、解码和编码效率。对于概率之和往上排和概率之和往下排的方法，分别选用了两个不同的数据集进行测试，并计算了码长均值和均方差。

由于霍夫曼编码是一种前缀编码，所以编码效率较高。对于概率之和较大的情况，往上排可以更好地利用编码长度的差异，从而减小平均码长；而对于概率之和较小的情况，往下排则更加均匀，使得编码长度差异更小，从而减小均方差。