Calculando Médias em Python: Guia Prático

Cálculo de Média em Python

Determinar a média (média aritmética) de dados numéricos é uma tarefa comum em análise de dados. Em Python, a média é calculada somando todos os valores e dividindo pelo número de valores. Abaixo estão métodos comprovados, variando de loops manuais a funções de bibliotecas de alto nível.

• Cálculo manual usando loop for
• Usando funções embutidas sum() e len()
• Aproveitando a função mean() do módulo statistics
• Empregando numpy.mean() para dados baseados em arrays

Método 1: Cálculo Baseado em Loop

Embora loops explícitos ofereçam controle máximo, são tipicamente mais lentos que alternativas embutidas. Ainda assim, o exemplo a seguir demonstra a abordagem fundamental.

def calculate_average(numbers):
    total = 0
    for value in numbers:
        total += value
    return total / len(numbers)

print("The average is", calculate_average([18, 25, 3, 41, 5]))

Saída: The average is 18.4

Método 2: Funções Embutidas

Este método conciso usa sum() e len() do Python para calcular a média em uma única linha.

# Exemplo para encontrar média de lista
numbers = [45, 34, 10, 36, 12, 6, 80]
avg = sum(numbers) / len(numbers)
print("The average is", round(avg, 2))

Saída: The average is 31.86

Método 3: statistics.mean()

A biblioteca padrão statistics oferece a função mean() pronta, tornando o código ainda mais limpo.

from statistics import mean
numbers = [45, 34, 10, 36, 12, 6, 80]
avg = mean(numbers)
print("The average is", round(avg, 2))

Saída: The average is 31.86

Método 4: NumPy.mean()

Ao trabalhar com grandes conjuntos de dados ou arrays multi-dimensionais, numpy.mean() oferece performance otimizada.

from numpy import mean
numbers = [45, 34, 10, 36, 12, 6, 80]
avg = mean(numbers)
print("The average is", round(avg, 2))

Saída: The average is 31.86

Principais Conclusões

• A média é calculada como sum(valores) / len(valores).
• Escolha o método que equilibre legibilidade e performance para seu caso de uso.
• Para listas simples, built-ins ou statistics.mean() são recomendados.
• Para grandes arrays numéricos, prefira numpy.mean().