7 Methoden, den Durchschnitt in Python zu berechnen – Von Grundlagen bis Anwendungen

1. Grundlegende Methode zum Berechnen des Durchschnitts in Python

Grundlegende Methode zur Durchschnittsberechnung

# Beispieldaten
numbers = [10, 20, 30, 40, 50]

# Summe berechnen
total = sum(numbers)

# Durchschnittswert berechnen
average = total / len(numbers)

print(f"Daten: {numbers}")
print(f"Durchschnittswert: {average}")

Erklärung des Codes

2. Berechnung des Mittelwerts mit dem statistics-Modul

Methode zur Mittelwertberechnung mit statistics.mean()

import statistics

# Beispieldaten
numbers = [10, 20, 30, 40, 50]

# Mittelwert berechnen
average = statistics.mean(numbers)

print(f"Daten: {numbers}")
print(f"Mittelwert: {average}")

Erklärung des Codes

3. Schnelle Berechnung des Mittelwerts mit dem numpy-Modul

Methode zur Berechnung des Mittelwerts mit numpy.mean()

import numpy as np

# Beispieldaten
numbers = np.array([10, 20, 30, 40, 50])

# Berechnung des Mittelwerts
average = np.mean(numbers)

print(f"Daten: {numbers}")
print(f"Mittelwert: {average}")

Erläuterung des Codes

4. Berechnung des Durchschnitts für tabellarische Daten mit pandas

So berechnen Sie den Durchschnitt mit DataFrame.mean()

import pandas as pd

# Erstellen eines Beispieldatensatzes
data = {'A': [10, 20, 30, 40, 50],
        'B': [15, 25, 35, 45, 55]}
df = pd.DataFrame(data)

# Berechnung des Durchschnitts für jede Spalte
average = df.mean()

print(f"Datensatz:
{df}")
print(f"Durchschnitt pro Spalte:
{average}")

Erklärung des Codes

5. Spezielle Methoden zur Berechnung von Durchschnitten (gewichteter Durchschnitt, harmonischer Mittelwert, geometrischer Mittelwert)

Berechnungsmethode für den gewichteten Durchschnitt

import numpy as np

# Beispieldaten und Gewichte
data = [10, 20, 30, 40, 50]
weights = [0.1, 0.2, 0.4, 0.2, 0.1]

# Berechne gewichteten Durchschnitt
weighted_average = np.average(data, weights=weights)

print(f\"Daten: {data}\")
print(f\"Gewichte: {weights}\")
print(f\"Gewichteter Durchschnitt: {weighted_average}\")

Berechnungsmethode für den harmonischen Mittelwert

import statistics

# Beispieldaten
data = [10, 20, 30]

# Berechne harmonischen Mittelwert
harmonic_mean = statistics.harmonic_mean(data)

print(f\"Daten: {data}\")
print(f\"Harmonischer Mittelwert: {harmonic_mean}\")

Berechnungsmethode für den geometrischen Mittelwert

import numpy as np

# Beispieldaten
data = [1.1, 1.3, 1.5]

# Berechne geometrischen Mittelwert
geometric_mean = np.prod(data) ** (1 / len(data))

print(f\"Daten: {data}\")
print(f\"Geometrischer Mittelwert: {geometric_mean}\")

6. Fehlerbehandlung und Maßnahmen zur Verbesserung der Genauigkeit

Genauigkeitsprobleme bei Gleitkommazahlen

from decimal import Decimal

# Beispieldaten
data = [Decimal('0.1'), Decimal('0.2'), Decimal('0.3')]

# Durchschnitt berechnen
average = sum(data) / len(data)

print(f"Daten: {data}")
print(f"Durchschnitt (nach Genauigkeitsverbesserung): {average}")

Grundlagen der Fehlerbehandlung

# Beispieldaten (einschließlich leerer Liste)
data = []

# Fehlerprüfung
if len(data) > 0:
    average = sum(data) / len(data)
    print(f"Durchschnitt: {average}")
else:
    print("Fehler: Die Daten sind leer")

7. Zusammenfassung