statistics.mean y fmean en Python: diferencias

statistics.mean(datos) devuelve la media aritmética calculada de forma exacta y respeta el tipo de los datos (int, float, Decimal, Fraction). statistics.fmean(datos) convierte todo a float, es más rápido y, desde Python 3.11, acepta pesos con weights=. Ambas están en la biblioteca estándar: solo necesitas import statistics.

Sintaxis

import statistics as st

st.mean(datos)                  # media exacta, conserva el tipo
st.fmean(datos)                 # media en float, más rápida
st.fmean(datos, weights=pesos)  # media ponderada (Python 3.11 o posterior)

datos puede ser una lista, una tupla o cualquier iterable, incluido un generador. mean no tiene parámetro de pesos: si lo necesitas en una versión anterior a la 3.11, calcula sum(x * w for x, w in zip(datos, pesos)) / sum(pesos).

mean frente a fmean

	`statistics.mean`	`statistics.fmean`
Tipo del resultado	El de los datos si es exacto: `mean([1, 2, 3])` → `2`	Siempre `float`: `fmean([1, 2, 3])` → `2.0`
`Decimal` y `Fraction`	Los respeta y no pierde precisión	Los convierte a `float`
Pesos	No	`weights=` desde Python 3.11
Disponible desde	Python 3.4	Python 3.8
Velocidad	Más lenta: suma con fracciones exactas	Mucho más rápida en listas largas

Paso a paso

Importa el módulo: import statistics as st.
Decide el tipo de dato. Para dinero con centavos exactos usa Decimal("12.30"); para mediciones, float.
Llama a st.mean(datos) si importa la exactitud, o a st.fmean(datos) si importa la velocidad o necesitas pesos.
Atrapa st.StatisticsError si la lista puede llegar vacía.

Ejemplos resueltos

Ejemplo 1: el mismo promedio con distinta precisión

import statistics as st

print(st.mean([0.1, 0.2, 0.4]))
print(st.fmean([0.1, 0.2, 0.4]))
print(sum([0.1, 0.2, 0.4]) / 3)

0.23333333333333334
0.23333333333333336
0.23333333333333336

mean suma los valores convirtiéndolos a fracciones exactas y redondea una sola vez al final, por eso su resultado es el float más cercano al valor real (0.2333…). fmean y sum()/len() acumulan el error de cada suma en coma flotante. La diferencia aparece en el decimal 17: no importa para mostrar una calificación, pero sí cuando comparas resultados con ==.

Ejemplo 2: dinero con Decimal y fracciones

from decimal import Decimal
from fractions import Fraction

print(st.mean([Decimal("0.1"), Decimal("0.2"), Decimal("0.4")]))
print(st.mean([Fraction(1, 3), Fraction(1, 6)]))

0.2333333333333333333333333333
1/4

Con Decimal el resultado sigue siendo Decimal, con la precisión del contexto decimal (28 dígitos por omisión). Con Fraction el promedio de 1/3 y 1/6 es exactamente 1/4, sin decimales periódicos.

Ejemplo 3: promedio ponderado con fmean

Un curso pondera tareas al 30 %, examen al 50 % y proyecto al 20 %. Las notas son 8, 9 y 6:

print(st.fmean([8, 9, 6], weights=[0.3, 0.5, 0.2]))
print(st.fmean([9.0, 7.5, 8.0], weights=[8, 6, 4]))

8.1
8.277777777777779

En el primer caso los pesos suman 1, así que 8 × 0.3 + 9 × 0.5 + 6 × 0.2 = 8.1. En el segundo los pesos son créditos (8, 6 y 4): fmean divide entre la suma de los pesos, 18, sin que tengas que normalizarlos. Puedes comprobar ambos con la calculadora de promedio ponderado.

Errores comunes

StatisticsError: mean requires at least one data point. La lista está vacía. Con fmean el mensaje es fmean requires at least one data point.
TypeError: don't know how to coerce Decimal and float. Mezclaste Decimal y float en la misma lista. Convierte todo a uno de los dos tipos; para Decimal, crea los valores desde texto (Decimal("1.5")), no desde float.
TypeError: can't convert type 'str' to numerator/denominator. Pasaste una cadena (st.mean("123")) o una lista con textos. Convierte con float() o int() antes.
fmean() got an unexpected keyword argument 'weights'. Tu Python es anterior a la 3.11. Revisa la versión con python --version o usa la fórmula con zip.
Esperar un float y recibir un int. mean([2, 4]) devuelve 3, no 3.0. Si otra parte del código hace resultado.is_integer() o formatea con :.2f, no hay problema; si serializas a JSON y esperas decimales, usa fmean.

Para la mediana, la moda y las medias geométrica y armónica, el mismo módulo ofrece median, mode, geometric_mean y harmonic_mean, explicadas en las páginas de mediana, moda y media geométrica y armónica.

Fuentes

Python Software Foundation, documentación del módulo statistics. statistics.mean, statistics.fmean (parámetro weights desde Python 3.11). Consultado el 11 de noviembre de 2026.

statistics.mean y statistics.fmean en Python