Calculando Promedios en Python: Guía Práctica con Múltiples Métodos

Cálculo del Promedio en Python

Determinar el promedio (media) de datos numéricos es una tarea común en análisis de datos. En Python, el promedio se calcula sumando todos los valores y dividiendo por la cantidad de valores. A continuación, métodos probados que van desde bucles manuales a funciones de alto nivel de librerías.

• Cálculo manual usando bucle for
• Usando funciones integradas sum() y len()
• Aprovechando la función mean() del módulo statistics
• Empleando numpy.mean() para datos basados en arrays

Método 1: Cálculo Basado en Bucle

Aunque los bucles explícitos ofrecen máximo control, son típicamente más lentos que alternativas integradas. Aun así, el siguiente ejemplo demuestra el enfoque fundamental.

def calcular_promedio(numeros):
    total = 0
    for valor in numeros:
        total += valor
    return total / len(numeros)

print("El promedio es", calcular_promedio([18, 25, 3, 41, 5]))

Salida: El promedio es 18.4

Método 2: Funciones Integradas

Este método conciso usa sum() y len() de Python para calcular el promedio en una sola línea.

# Ejemplo para encontrar promedio de lista
numeros = [45, 34, 10, 36, 12, 6, 80]
promedio = sum(numeros) / len(numeros)
print("El promedio es", round(promedio, 2))

Salida: El promedio es 31.86

Método 3: statistics.mean()

El módulo statistics de la biblioteca estándar ofrece una función mean() lista para usar, haciendo el código aún más limpio.

from statistics import mean
numeros = [45, 34, 10, 36, 12, 6, 80]
promedio = mean(numeros)
print("El promedio es", round(promedio, 2))

Salida: El promedio es 31.86

Método 4: NumPy.mean()

Al trabajar con grandes datasets o arrays multi-dimensionales, mean() de NumPy ofrece rendimiento optimizado.

from numpy import mean
numeros = [45, 34, 10, 36, 12, 6, 80]
promedio = mean(numeros)
print("El promedio es", round(promedio, 2))

Salida: El promedio es 31.86

Puntos Clave

• El promedio se calcula como sum(valores) / len(valores).
• Elige el método que equilibre legibilidad y rendimiento para tu caso de uso.
• Para listas simples, built-ins o statistics.mean() son recomendados.
• Para grandes arrays numéricos, prefiere numpy.mean().