Durchschnitt berechnen in Python: Praktischer Leitfaden

Durchschnittsberechnung in Python

Das Ermitteln des Durchschnitts (arithmetisches Mittel) numerischer Daten ist eine häufige Aufgabe in der Datenanalyse. In Python wird der Durchschnitt berechnet, indem man alle Werte summiert und durch die Anzahl der Werte teilt. Im Folgenden bewährte Methoden – von manuellen Loops bis zu High-Level-Bibliotheksfunktionen.

• Manuelle Berechnung mit for-Loop
• Nutzung der eingebauten sum() und len() Funktionen
• Einsatz der mean()-Funktion aus dem statistics-Modul
• Verwendung von numpy.mean() für Array-basierte Daten

Methode 1: Loop-basierte Berechnung

Explizite Loops bieten maximale Kontrolle, sind aber typischerweise langsamer als eingebaute Alternativen. Das folgende Beispiel demonstriert den fundamentalen Ansatz.

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]))

Output: The average is 18.4

Methode 2: Eingebaute Funktionen

Diese prägnante Methode nutzt Pythons sum() und len(), um den Durchschnitt in einer Zeile zu berechnen.

# Beispiel: Durchschnitt einer Liste berechnen
numbers = [45, 34, 10, 36, 12, 6, 80]
avg = sum(numbers) / len(numbers)
print("The average is", round(avg, 2))

Output: The average is 31.86

Methode 3: statistics.mean()

Die Standardbibliothek statistics bietet eine fertige mean()-Funktion, die den Code noch sauberer macht.

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

Output: The average is 31.86

Methode 4: NumPy.mean()

Bei großen Datensätzen oder mehrdimensionalen Arrays bietet NumPys mean() optimierte Performance.

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

Output: The average is 31.86

Wichtigste Erkenntnisse

• Der Durchschnitt berechnet sich als sum(values) / len(values).
• Wählen Sie die Methode, die Lesbarkeit und Performance für Ihren Use Case balanciert.
• Für einfache Listen sind Built-ins oder statistics.mean() empfohlen.
• Für große numerische Arrays bevorzugen Sie numpy.mean().