# Calcula valores promedio fácilmente con Pandas mean()

La función `DataFrame.mean()` de la [Biblioteca Python Pandas](https://www.ionos.es/digitalguide/paginas-web/desarrollo-web/python-pandas/) se utiliza para **calcular el valor promedio** a lo largo de uno o más ejes de un DataFrame. Pandas `mean()` es fundamental para el análisis de datos numéricos y puede proporcionar información muy valiosa sobre su distribución.

## Sintaxis de Pandas `DataFrame.mean()`

La función Pandas-`mean()` acepta **hasta tres parámetros** y sigue una sintaxis básica sencilla:

```python
DataFrame.mean(axis=None, skipna=True, numeric_only=None)
```

### Parámetros relevantes

Con la ayuda de varios parámetros, puedes ajustar el comportamiento de la función Pandas `DataFrame.mean()` para que se adapte a tus necesidades.

<table>
  <thead>
    <tr>
      <th><strong>Parámetro</strong></th>
      <th><strong>Descripción</strong></th>
      <th><strong>Valor predeterminado</strong></th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td>`axis`</td>
      <td>Determina si el cálculo se realiza a lo largo de las filas (`axis=0`) o de las columnas (`axis=1`)</td>
      <td>`0`</td>
    </tr>
    <tr>
      <td>`skipna`</td>
      <td>Si es `True`, se ignoran los valores NaN</td>
      <td>`True`</td>
    </tr>
    <tr>
      <td>`numeric_only`</td>
      <td>Si es `True`, solo se incluyen los datos numéricos en el cálculo</td>
      <td>`False`</td>
    </tr>
  </tbody>
</table>

## Aplicación de la función `mean()` de Pandas

Pandas `DataFrame.mean()` tiene diversas aplicaciones.

### Calcular los valores promedio de cada columna

En los siguientes ejemplos, se utiliza un [DataFrame de Pandas](https://www.ionos.es/digitalguide/paginas-web/desarrollo-web/dataframes-de-pandas-python/) con los siguientes datos:

```python
import pandas as pd
data = {
    'A': [1, 2, 3, 4],
    'B': [4, 5, 6, 7],
    'C': [7, 8, 9, 10]
}
df = pd.DataFrame(data)
print(df)
```

El DataFrame resultante sería el siguiente:

```none
A  B  C
0  1  4  7
1  2  5  8
2  3  6  9
3  4  7 10
```

Para calcular el valor promedio de cada columna, se puede usar la función Pandas `mean()` con el parámetro predeterminado `axis=0`:

```python
column_means = df.mean()
print(column_means)
```

De esta manera, se calculan los valores promedio de cada columna (A, B y C) dividiendo la suma de los elementos por la cantidad de elementos en cada columna. Como resultado, se obtiene la siguiente Series de Pandas:

```none
A    2.5
B    5.5
C    8.5
dtype: float64
```

### Calcular los valores promedio de cada fila

Si en su lugar deseas calcular el valor promedio de cada fila, simplemente debes cambiar el parámetro `axis` a 1:

```python
row_means = df.mean(axis=1)
print(row_means)
```

Los valores promedio de cada fila se calculan utilizando `mean()` de Pandas, dividiendo la suma de los elementos por la cantidad de elementos en cada fila. La llamada a la función genera el siguiente resultado:

```none
0    4.0
1    5.0
2    6.0
3    7.0
dtype: float64
```

### Ignorar valores NaN

En el siguiente ejemplo, se utiliza un DataFrame diferente para que contenga algunos valores NaN:

```python
import pandas as pd
import numpy as np
data = {
    'A': [1, 2, np.nan, 4],
    'B': [4, np.nan, 6, 7],
    'C': [7, 8, 9, np.nan]
}
df = pd.DataFrame(data)
print(df)
```

El código anterior genera el siguiente DataFrame:

```none
A    B    C
0  1.0  4.0  7.0
1  2.0  NaN  8.0
2  NaN  6.0  9.0
3  4.0  7.0  NaN
```

Para calcular el promedio teniendo en cuenta los valores NaN, se utiliza el parámetro `skipna`. El valor predeterminado es `True`, lo que significa que Pandas `mean()` ignora automáticamente los valores NaN. En cambio, si cambiáramos el valor predeterminado a `skipna=False`, el cálculo del promedio de cualquier columna que contenga al menos un valor NaN dará como resultado NaN para esa columna.

```python
mean_with_nan = df.mean()
print(mean_with_nan)
```

La llamada a la función de `mean()` de Pandas genera:

```none
A    2.333333
B    5.666667
C    8.000000
dtype: float64
```


This is a markdown version of: [https://www.ionos.es/digitalguide/paginas-web/desarrollo-web/pandas-dataframemean-en-python/](https://www.ionos.es/digitalguide/paginas-web/desarrollo-web/pandas-dataframemean-en-python/) for AI/LLM consumption.