IA · Guía práctica documentada
Una mediana reproducible necesita registrar qué datos faltan
Cómo preparar una pequeña serie antes de resumirla con Python.
Una cifra central pierde parte de su significado si no sabemos qué observaciones entraron en el cálculo. La documentación de statistics advierte que los valores NaN pueden producir resultados sorprendentes en funciones que ordenan o cuentan datos. Antes de calcular una mediana conviene distinguir una ausencia de un cero observado.
Caso didáctico propio: una serie contiene 8, 10, un dato ausente, 14 y 40. Al excluir únicamente la ausencia, quedan cuatro observaciones ordenadas. Los dos valores centrales son 10 y 14; su media es 12. Si alguien reemplazara la ausencia por cero, obtendría cinco valores y una mediana de 10. Ha cambiado el tratamiento del dato, no solo la presentación.
La ficha de este ejemplo debe conservar cinco registros iniciales, una exclusión y cuatro valores utilizados. Guardar solo el resultado 12 impediría distinguirlo de otra serie sin ausencias. Tampoco basta con escribir «datos limpios»: hay que especificar la regla aplicada y evitar descartar el 40 por parecer alto sin una justificación separada.
En Python, para una lista de números flotantes, la documentación muestra el filtrado mediante isnan antes de llamar a median. Esa operación identifica NaN; no decide qué hacer con textos, unidades mezcladas o códigos especiales del fichero original. Esas conversiones necesitan su propia regla de entrada.
El cálculo de cuatro observaciones es un ejemplo aritmético, no un análisis de una población real. Para reutilizarlo en una noticia de datos, publica tamaño inicial, ausencias, tamaño final y método. Así el lector puede reconstruir el resumen y detectar si dos versiones utilizaron distintas observaciones.