**Crea un programa en Python que calcule el promedio de una lista de números.
**
#lista de números
Lista = [681, 791, 978, 929, 1000, 1201, 1244, 895, 590, 547, 663, 885, 1230]
# Calcular la suma de los números
suma = sum(Lista)
# Calcular el promedio
promedio = suma / len(Lista)
# Imprimir el resultado
print("El promedio de la lista es:", promedio)
**Escribe una función en Python que reciba una lista de números y devuelva la mediana de esos
números.**
import numpy as np
def calcular_mediana(lista):
mediana = [Link](lista)
return mediana
lista_numeros = [681, 791, 978, 929, 1000, 1201, 1244, 895, 590, 547, 663, 885, 1230]
mediana = calcular_mediana(lista_numeros)
print("La mediana de la lista es de numero:", mediana)
**Lee el archivo "[Link]" que contiene información sobre las ventas de una tienda en un mes
determinado. Este archivo contiene 3 columnas: "producto", "cantidad" y "precio". Crea un
programa en Python que calcule el total de ventas en ese mes.**
import pandas as pd
# Crear una lista de diccionarios con los datos
datos = [
{"producto": "Camiseta roja", "categoria": "Camisetas", "precio": 150.99, "cantidad": 850, "mes":
"Enero"},
{"producto": "Camiseta azul", "categoria": "Camisetas", "precio": 120.99, "cantidad": 200, "mes":
"Enero"},
{"producto": "Pantalón negro", "categoria": "Pantalones", "precio": 298.99, "cantidad": 300,
"mes": "Febrero"},
{"producto": "Pantalón azul", "categoria": "Pantalones", "precio": 304.99, "cantidad": 15, "mes":
"Enero"},
{"producto": "Calcetines blancos", "categoria": "Calcetines", "precio": 40.99, "cantidad": 100,
"mes": "Febrero"},
{"producto": "Calcetines negros", "categoria": "Calcetines", "precio": 40.99, "cantidad":785,
"mes": "Enero"},
{"producto": "Zapatillas deportivas blancas", "categoria": "Zapatillas", "precio": 59.99, "cantidad":
100, "mes": "Enero"},
{"producto": "Zapatillas deportivas negras", "categoria": "Zapatillas", "precio": 69.99, "cantidad":
58, "mes": "Febrero"},
# Crear el dataframe a partir de la lista de diccionarios
df = [Link](datos)
# Mostrar el dataframe
print(df)
# Calcular el total de ventas
total = (df["cantidad"] * df["precio"]).sum()
# Imprimir el resultado
print("El total de ventas en el mes es:", total)
**Lee el archivo "[Link]" y crea un diccionario en Python que contenga como llave el nombre del
producto y como valor la cantidad de unidades vendidas.**
diccionario_ventas = {
'Camiseta roja': 100,
'Camiseta azul': 50,
'Pantalón negro': 20,
'Pantalón azul': 10,
'Calcetines blancos': 150,
'Calcetines negros': 100,
'Zapatillas deportivas blancas': 5,
'Zapatillas deportivas negras': 3
print(diccionario_ventas)
**Escribe una función en Python que reciba una lista de números y devuelva la desviación estándar
de esos números.**
def desviacion_estandar(lista):
return [Link](Lista)
print(desviacion_estandar(Lista))
**Lee el archivo "[Link]" y crea un gráfico de línea que muestre la evolución del total de ventas a
lo largo del mes.**
# Agrupar los datos por mes y sumar la cantidad de productos vendidos
ventas_por_mes = [Link]('mes')['cantidad'].sum()
# Graficar las ventas por mes
import [Link] as plt
[Link](ventas_por_mes.index, ventas_por_mes.values)
[Link]('Mes')
[Link]('Ventas')
[Link]('Ventas por mes')
[Link]()
**Escribe una función en Python que reciba una lista de números y devuelva los valores mínimo y
máximo de esos números.**
def min_max(lista):
minimo = min(Lista)
maximo = max(Lista)
return minimo, maximo
print(min_max(Lista))
**Lee el archivo "[Link]" y crea un archivo nuevo llamado "[Link]" que contenga las
siguientes estadísticas de las ventas del mes: el total de ventas, la cantidad de productos vendidos y
el promedio de precio de los productos.**
# las estadísticas solicitadas
total_ventas = sum([d["precio"] * d["cantidad"] for d in datos])
cantidad_vendida = sum([d["cantidad"] for d in datos])
precio_promedio = sum([d["precio"] for d in datos]) / len(datos)
# Crear el archivo [Link]
with open("[Link]", "w") as f:
[Link](f"Total de ventas: ${total_ventas:.2f}\n")
[Link](f"Cantidad de productos vendidos: {cantidad_vendida}\n")
[Link](f"Promedio de precio de los productos: ${precio_promedio:.2f}")