Para una lista pequeña basta con sum(datos) / len(datos) o con statistics.mean(datos), que vienen con Python y no requieren instalar nada. Si trabajas con arreglos grandes o tablas, usa NumPy (np.mean, np.average con pesos, np.nanmean) o pandas (Serie.mean(), groupby, rolling). Todos los ejemplos se ejecutaron con Python 3.12 (módulo statistics) y con NumPy 2.0 y pandas 2.3; la salida que ves es la que imprimen.
¿Lo necesitas en otra herramienta? Mira el promedio en Excel, en SQL o en R.
Todas las páginas
| # | Página | Qué encontrarás |
|---|---|---|
| 1 | Promedio de una lista | sum()/len() y statistics.mean paso a paso |
| 2 | statistics.mean y fmean | mean exacto frente a fmean rápido y ponderado |
| 3 | Mediana | median, median_low, median_high y np.median |
| 4 | Moda | mode, multimode y Counter con empates |
| 5 | Media geométrica y armónica | geometric_mean y harmonic_mean para tasas y velocidades |
| 6 | NumPy mean | Promedio de arreglos con axis, dtype y keepdims |
| 7 | Promedio ponderado | np.average con weights, zip y pandas |
| 8 | Ignorar NaN | np.nanmean, skipna y filtros de valores faltantes |
| 9 | pandas mean | mean() por columna, por fila y con filtros |
| 10 | Promedio por grupo | groupby, agg, transform y pivot_table |
| 11 | Promedio móvil | rolling().mean(), ventanas por fecha y ewm |
| 12 | Redondear el promedio | round, formato y Decimal con redondeo escolar |