Las matemáticas y la programación van de la mano. Si eres programador, en algún momento tendrás que utilizar las matemáticas.
La ciencia de datos, el aprendizaje automático, la inteligencia artificial y las criptomonedas se basan en principios matemáticos subyacentes complejos.
Sin embargo, el uso de funciones matemáticas no tiene por qué ser complejo. Python abstrae todo, por lo que una vez que comprenda los conceptos, no necesitará comprender todos los detalles de la implementación.
Las matemáticas no tienen por qué dar miedo
Hay muchas funciones matemáticas con las que te encontrarás. Si trabaja con datos o análisis, es importante que comprenda algunos principios y funciones matemáticos.
Una de esas funciones que debe comprender es la meanfunción.
No se deje intimidar por el nombre, no hay nada malo (juego de palabras) acerca de la meanfunción en Python.
Esta publicación es independiente, pero espero que tenga algo de experiencia trabajando con Python y que sepa qué es una lista de Python. Si no es así, consulte este artículo antes de continuar.
Una vez que hayas terminado, vuelve y únete a mí para profundizar en la meanfunción.
Estadísticas
Entonces quieres aprender sobre la meanfunción. ¡Eso es genial! Pero antes de considerar esta función, es importante mirar la disciplina de la que se origina: la estadística.
En la imagen de arriba vemos un gráfico. Un gráfico es una representación pictórica que muestra la relación de una variable en relación con otra.
Los gráficos son útiles porque nos permiten organizar los datos para que podamos ver rápidamente las tendencias y las relaciones entre los datos. Un gráfico es solo una herramienta que podemos utilizar para visualizar y analizar datos.
La estadística es una rama de las matemáticas que nos permite tener una forma sistemática de clasificar, analizar e interpretar los datos. Esto es importante porque con las estadísticas, tenemos una colección de herramientas listas para usar para hacer cada una de esas cosas.
Imagínese si necesita reinventar una sierra cada vez que necesita cortar un trozo de madera. Muchas personas llaman a las sierras por diferentes nombres, a pesar de que hacen lo mismo. Para evitar este problema, le dimos a la sierra un nombre con el que todos puedan referirse.
Lo mismo ocurre con las estadísticas: tenemos herramientas bien conocidas con las que todos están familiarizados. Una de esas herramientas es la media.
Moda, mediana y media
Aunque la media es perfectamente capaz de valerse por sí misma, normalmente se enseña como parte de un trío, que incluye la moda, la mediana y la media.
Veamos un grupo de números para que comprenda lo que está sucediendo aquí. Imagina que tienes los siguientes números:
1, 2, 3, 3, 4, 6, 9
Digamos que queremos expresar qué número aparece más veces. Sería 3, y el nombre que le damos a esta propiedad es modo. La moda es el número más frecuente en un conjunto que estamos examinando.
El número en el medio de un conjunto ordenado se llama mediana. Para encontrar la mediana de un conjunto numérico, organice los números de menor a mayor y luego observe el número en el medio. El conjunto de números anterior ya está ordenado de menor a mayor, por lo que el número mediano también es 3.
Finalmente, la media es otra forma de referirse a la media del conjunto. Para encontrar la media, simplemente suma todos los números y divídelo por el número total de elementos del conjunto. En el caso de los números anteriores, si los sumamos todos, obtenemos 28. El número total de elementos en el conjunto es 7, por lo que nuestra media es 4.
¿Por qué necesitamos la media?
Entonces, en este punto, quizás se pregunte por qué tendríamos que encontrar la media de un número de todos modos.
El caso es que incluso las estadísticas en sí se subdividen en varios grupos. Así como tiene herramientas que se usan para trabajar con madera y otras para trabajar con metal, algunas herramientas en estadística se agrupan en clases ya que se usan para un propósito similar.
Uno de esos grupos en las estadísticas se llama estadísticas de resumen. Una de las cosas para las que se utilizan las estadísticas es para describir datos, y las estadísticas de resumen son una colección de herramientas utilizadas para ese propósito. Uno de los elementos de esa clase de herramientas es la media.
La media es importante porque nos ayuda a analizar lo que se conoce como distribución. En estadística, una distribución es un método que usamos para mirar una variable sobre la que queremos información. Usando una distribución, veremos los valores de esta variable y la frecuencia con la que ocurre.
Si recopilamos datos, un tipo común de distribución que vemos es la distribución normal que toma la forma de la curva de campana:
Es decir, la variable tendrá un valor común al que tiende, así como un punto de partida y un punto final.
Lo que hace la media es que nos permite tomar una distribución como esta y observar la tendencia central de la variable, que es el punto en el que los valores de la variable tienden a agruparse.
Por tanto, podemos decir que la media describe la tendencia central de la distribución.
Calcular la media en Python
Podemos calcular manualmente la media si tenemos un pequeño conjunto de datos numéricos, tenemos algunos valores con los que trabajar. Sin embargo, cuando tenemos cientos o miles de valores en un conjunto de datos, resulta imposible calcularlo a mano.
Dado que Python es un lenguaje con "baterías incluidas", la forma en que podemos hacer esto es usando la meanfunción del módulo de estadísticas dentro de Python.
Usemos la meanfunción para calcular la media del conjunto de datos numéricos que teníamos anteriormente en la publicación:
# 1. import the statistics module import statistics # 2. list containing our numerical data set numerical_data_set = [1, 2, 3, 3, 4, 6, 9] # 3. calculate the mean calc_mean = statistics.mean(numerical_data_set) # 4. print our calculated mean print("Mean is: ", calc_mean) Our code consists of a 4 step sequence that we can use to calculate the mean:
- We import the statistics module that contains our mean function
- We create a Python list containing the numerical data set of which we would like to calculate the mean
- We calculate the mean and store the result in a variable,
calc_mean - We output our calculated mean so that we can get visual feedback
When we run the code, we will get the following output:
The program outputs the same value as our manual calculations. When we are working with large data sets, this function will be able to scale to handle whatever we can throw at it.
Wrapping Up
In this post we looked at the mean function in Python. We began by discussing statistics as a whole, then took a deep dive into mean.
Now that you have a solid understanding of statistics and the mean function in Python, you can use it in your own programs.
If you liked this article, then you may also be curious about learning about data structures and algorithms. If you want a simple, clear, step by step guide to learning about data structures and algorithms without having to write a single line of code, then you can check out the book Codeless Data Structures and Algorithms.
Read the book here:
Estructuras de datos y algoritmos sin código: aprenda DSA sin escribir una sola línea de código | Armstrong Subero | Apress Este libro le ofrece una nueva perspectiva sobre algoritmos y estructuras de datos, completamente libre de código. Aprenda sobre algoritmos de estructura de datos (DSA) sin tener que abrir su editor de código, usar un compilador o mirar un entorno de desarrollo integrado (IDE) .... Armstrong Subero Menú de búsqueda Carrito V Su carrito está actualmente vacío. Iniciar sesión Cuenta Librería Iniciar sesión Apress Access