Promedio por grupo en pandas (groupby)

Para calcular el promedio por grupo en pandas, agrupa por la columna de categoría y promedia la columna numérica: df.groupby("region")["monto"].mean(). Obtienes una Serie con un promedio por región. Si quieres varias medidas a la vez usa .agg(["mean", "median", "count"]), y si quieres pegar el promedio del grupo a cada fila usa .transform("mean").

Sintaxis

df.groupby("grupo")["valor"].mean()                     # Serie: un promedio por grupo
df.groupby("grupo", as_index=False)["valor"].mean()     # DataFrame con el grupo como columna
df.groupby(["g1", "g2"])["valor"].mean()                # varios niveles
df.groupby("grupo").agg(promedio=("valor", "mean"),
                        ventas=("valor", "size"))       # agregación con nombre
df.groupby("grupo")["valor"].transform("mean")          # mismo largo que df

Paso a paso

1. Identifica la columna que define los grupos (región, materia, mes) y la que vas a promediar.
2. Llama a groupby con la primera y selecciona la segunda entre corchetes.
3. Aplica .mean() para una tabla resumen, o .transform("mean") si necesitas comparar cada fila con su grupo.
4. Ordena con .sort_values() y redondea con .round(2) para presentar.

Los datos de todos los ejemplos:

import pandas as pd

v = pd.DataFrame({
    "region":   ["Norte", "Sur", "Norte", "Centro", "Sur", "Centro", "Norte"],
    "vendedor": ["Eva", "Raúl", "Iván", "Paz", "Raúl", "Paz", "Eva"],
    "monto":    [1500, 2300, 1800, 900, 2100, 1300, 1100],
})

Ejemplos resueltos

print(v.groupby("region")["monto"].agg(["mean", "median", "count"]).round(2))

           mean  median  count
region                        
Centro  1100.00  1100.0      2
Norte   1466.67  1500.0      3
Sur     2200.00  2200.0      2

v["prom_region"] = v.groupby("region")["monto"].transform("mean").round(2)
v["dif"] = (v["monto"] - v["prom_region"]).round(2)
print(v)

   region vendedor  monto  prom_region     dif
0   Norte      Eva   1500      1466.67   33.33
1     Sur     Raúl   2300      2200.00  100.00
2   Norte     Iván   1800      1466.67  333.33
3  Centro      Paz    900      1100.00 -200.00
4     Sur     Raúl   2100      2200.00 -100.00
5  Centro      Paz   1300      1100.00  200.00
6   Norte      Eva   1100      1466.67 -366.67

print(v.groupby(["region", "vendedor"])["monto"].mean())

region  vendedor
Centro  Paz         1100.0
Norte   Eva         1300.0
        Iván        1800.0
Sur     Raúl        2200.0
Name: monto, dtype: float64

Filtrar y ordenar grupos

Para quedarte con las regiones cuyo promedio supera 1,300 y ordenarlas de mayor a menor:

prom = v.groupby("region")["monto"].mean()
print(prom[prom > 1300].sort_values(ascending=False).round(2))

region
Sur      2200.00
Norte    1466.67
Name: monto, dtype: float64

Es lo mismo que hace HAVING AVG(monto) > 1300 en SQL, explicado en promedio en SQL.

Errores comunes

• TypeError al promediar todo el grupo. v.groupby("region").mean() intenta promediar también la columna vendedor, que es texto. Selecciona la columna numérica o pasa numeric_only=True.
• El grupo queda como índice y no como columna. Agrega as_index=False o encadena .reset_index() antes de exportar a Excel o CSV.
• Grupos con NaN desaparecen. Las filas cuyo grupo es NaN se excluyen por omisión. Usa groupby("region", dropna=False) para verlas.
• Promediar promedios de grupos de distinto tamaño. El promedio de 1,100, 1,466.67 y 2,200 es 1,588.89, pero el promedio de las 7 ventas es 1,571.43. Para el promedio general usa v["monto"].mean().
• Ponderar sin querer. Si cada fila ya es un subtotal con distinto número de unidades, el promedio por grupo debe ponderarse; mira promedio ponderado en Python.