Cómo utilizar el método Python mean

Python es uno de los lenguajes de programación más utilizados para el análisis estadístico y el desarrollo de la inteligencia artificial. Así que no es de extrañar que Python tenga muchos métodos y módulos para ayudarte a procesar grandes cantidades de datos. Aquí examinaremos el Python mean o la media de Python, un método que te permite determinar el valor medio de varios números.

¿Qué es el método Python mean?

Sintaxis y funcionalidades

El método Python mean es sencillo: reúne un conjunto de números y te devuelve su media. Los números deben estar resumidos en una lista como único argumento. Se pueden utilizar tanto números enteros como de coma flotante. El resultado del cálculo siempre sale como un número de coma flotante. Observa su sintaxis y funcionamiento en el siguiente ejemplo.

import numpy as np
x = np.mean([1, 3, 2])
numbers = [1, 1.3, 4, 2.1, 1.0]
y = np.mean(numbers)
print(x)     # output: 2.0
print(y)     # output: 1.8800000000000001

Como puedes ver en el ejemplo anterior, el método funciona exactamente como lo hemos descrito: toma una lista de números y devuelve su media. Este resultado siempre se muestra como un número de coma flotante, como “np.mean([1, 3, 2])”. El valor medio de estos números es exactamente 2, aunque se muestre como “2.0”. Además, este ejemplo muestra que puedes pasar la lista directamente o como una variable ya creada.

De este ejemplo se pueden extraer otros dos detalles importantes sobre el método Python mean. El primero se refiere a la precisión de los números de coma flotante y el segundo al módulo “NumPy”.

Visualizar números de coma flotante

Si haces manualmente el segundo cálculo del ejemplo anterior, obtendrás exactamente 1,88. Aunque el programa no muestre este resultado. Esto se debe a cómo se representan los números de coma flotante en el sistema numérico binario, en el que se basan todas las calculadoras modernas. Al igual que en el sistema decimal ordinario hay algunos números fraccionarios que no pueden representarse con precisión en el sistema binario. Un ejemplo de esto en el sistema decimal es 0,3333…. Siempre puedes añadir otro 3, pero nunca puedes llegar exactamente a un tercio.

Aunque este problema es inevitable, la precisión de los números de coma flotante es lo suficientemente alta como para que no suponga una gran diferencia en la mayoría de los casos. Aun así, es bueno tener en cuenta estos problemas de precisión cuando trabajes con números de coma flotante.

El módulo NumPy

Como puedes ver en el ejemplo anterior, el método Python mean no pertenece a la biblioteca estándar de Python. Para utilizar este método, tienes que importarlo desde un módulo externo, como “NumPy” o “statistics”. Puede que necesites instalar estos módulos, pero una vez hecho esto, puedes integrarlos fácilmente. Para ello, sólo tienes que añadir la línea de código “import numpy” al principio de tu programa. Otra posibilidad, si en el futuro quieres hacer referencia al módulo con un nombre diferente, es escribir “import numpy as x”, donde “x” es el nombre que desees.

Alternativas a la media Python

Como ya hemos dicho, el método mean no pertenece a la biblioteca estándar de Python, sino a módulos externos como “NumPy” que debes importar. Si no es posible o no quieres hacerlo, también puedes implementar tú mismo el método mean. Todo lo que tienes que hacer es escribir unas pocas líneas de código:

def mean(numbers):
    return sum(numbers)/len(numbers)

Los métodos “sum” y “len” utilizados aquí están integrados en la biblioteca estándar de Python, lo que significa que no necesitas importarlos. Como puedes ver en el siguiente ejemplo, implementarlo funciona exactamente igual que “mean” de “numpy”.

def mean(numbers):
    return sum(numbers)/len(numbers)
x = mean([1, 3, 2])
numbers = [1, 1.3, 4, 2.1, 1.0]
y = mean(numbers)
print(x)    # output: 2.0
print(y)    # output: 1.8800000000000001

Casos prácticos de Python mean

Ahora te mostraremos algunos ejemplos prácticos del método de la media. En el siguiente programa, se pide repetidamente al usuario que introduzca un número. Este número se convierte de una cadena en un número entero y se añade a una lista. A continuación, el valor medio de los elementos de esta lista se actualiza continuamente y se emite con cada nueva entrada.

import numpy as np
list = []
while(True):
    list.append(int(input('add number to list: ')))
    print(np.mean(liste))

En el siguiente ejemplo, hay tres personas, cada una con una coordenada “x”, “y” y “z”. Se aplica el método de la media, y se calcula y emite el punto de encuentro de las tres personas.

import numpy as np
person1 = [1.5, 6.0, 4.2]
person2 = [10.0, 9.0, 7.7]
person3 = [15.5, 0.0, -5.0]
people = [person1, person2, person3]
Average position = []
i = 0
while(i < len(person1)):
    temp = []
    for x in people:
        temp.append(x[i])
    average position.append(np.mean(temp))
    i = i + 1
print(average position)     # output: [9.0, 5.0, 2.3000000000000003]