Aller au contenu

Moyenne des valeurs d'un tableau numérique

Exercice

Coder une fonction moyenne prenant en paramètre un tableau non vide d'entiers et qui renvoie la moyenne des valeurs du tableau.

⚠ Contraintes : Dans cet exercice, on n'utilisera pas la fonction prédéfinie sum, ni len.

Exemples d'utilisation
>>> moyenne([10, 20, 30, 40, 60, 110])
45.0
>>> moyenne([1, 3])
2.0
>>> moyenne([44, 51, 12, 72, 65, 34])
46.333333333333336
Fonction sont_proches

On ne doit pas faire de test d'égalité entre flottants !

🐍 Console Python
>>> 0.5 + 0.5 == 1.0
True
>>> 0.1 + 0.2 == 0.3
False

Il pourrait y avoir des erreurs d'arrondis, et c'est normal.

Donc, ici, on fera des tests pour savoir si les flottants sont proches.

###(Dés-)Active le code après la ligne # Tests (insensible à la casse)
(Ctrl+I)
Entrer ou sortir du mode "deux colonnes"
(Alt+: ; Ctrl pour inverser les colonnes)
Entrer ou sortir du mode "plein écran"
(Esc)
Tronquer ou non le feedback dans les terminaux (sortie standard & stacktrace / relancer le code pour appliquer)
Si activé, le texte copié dans le terminal est joint sur une seule ligne avant d'être copié dans le presse-papier
Évaluations restantes : /
.128013x,5/f.q7Br;nb _o=ylaepcwgu)vd*V4613kRIméhtsP(S0+à2C-i:E050D0v0Q0u0#0t0R0o0x0t0u0R0R0r010Q0#0w010406050R0A0N0N0u0k0s040U0q0t0A0{0q0m0o020u0N0w0l0o0L0v150k0h0A0v0R050e12141618100w04051D1w1G0e1D100D0#0C0:0=0@0_0P0#0z0P0t1U0P0Q0~050+0n0t0v1P0?0^011T1V1X1V0Q1%1)1#0Q0k1E0Q0P1+1R010f0-0v0m1j0v010:1b0R0w0u0m0_0Y1#2b2d1 1-221)250N27040a0o0S0k0q0w0q0R0#1e1g0)290k0k0v0x2B1w2i0m1E0e1}2N1`1|1{1$0D2k0_1X0m242y1#1M1O0;1,2X0#2Z0m0q2%1#0w2G1E2L2N2^112c1g2)202.0k150t0~0I2K2|0 2{2j2~1-30320~0Y362d382L2W013d0u33040J3h2M103k3b0_3n3p0G3s3j2|3l3y0~0d3B3u3D3w3m0q313o0~0H3I392}1Q3c3N3e040i3B1H2?1w2%2Q0D1|2V3L0x2/2q0(1N1E2=0v2@373#3/0)3`3a3V0_0K0~0)0f3#3v41010y0~0o473K490m0f0~0N0q0s242Z4e402*010}040T4p3U4r0m0~0C3o0v0A0k1v1x3{484r4t0B0$3I0o4P4d4J2 0~0v0f0f2H0{464H3i4R4f4r0q0~0r3B4%4q200N0#0~0V4O4Q3T3E0~0R0q140v0p4B1)4E4G2^4.4x204*044,4#2M573l4;4?4^4P4`3L43040f3N4-5l4g0~0b5r4S1-0q4b042,5w4(4T04524D4F4w3l4t4N5d0 4Q5Q5f3L4z044V4X2I0#4!565s4)4+5D4/3c4U4W4Y5Z5)585y0~0W5:5g4=04355O065R4_5x3x4|4~2p514C545^3L5a5c5#613m634 66535J5O5S495a5@6l5$5F5v5}5Q6r1-5n2G0Q4E0m695t044}6h5H686q6e5a0e6D4y5,5X4Z3S0e3}3_3$6W0e3)1w0Q3+6#2T2O0u1(6Y3)1C3 5;0_2G0N0p0f0u0K500P0J0~1o1q1s1u0o5N2`1J381D0F160#2d0Q1*0u0C2H0o0t002w0O0k0u7e4E4d6V040W5c7t1H382%3l1/1W1Y1!6:3l2m24260~2s0U0x0k0|0Q2t0s1}1f3#3^6:2_3{7x6e5n455K3L5A4d5O6w3x4i044k4m0m4o7-6e4t4v7_5E5+5G676k2`7`0~4M5j6m6P5V5-5Y5!3788595(6K7~0_5h044@6u608j6f6F64506I828e7.016b6O4:5`8n2^5~8p5*420~5p0k8B7 6t6d8q5z0~5C8i8I8r8v554I8q5M876v6e5U5W5.8d4$8y6o6c8x6e8l5|8F5 5k8)6g658Y8N0_8:908r8P378G8{8q6y0*6B935U6G8~818Z8.6L0~6N8V6;8r8+8c6T7x1J3%6Z3?1L1N3l0u0D4k0m2A0#1f0o0D2d0z0v0k0~1C9A9C1f9F1f0!0{0Q1^040Z1f0f0A2z9H2x0@0#6,7y6/0M0t0o2Z0o6_1d0o120k0Q0q9_2c0/3/4h1f0D2G7s3:7u7wa80o7g7i057t0r6p7t0g9.3=2(497C1;1Z2h8q7I2o2q7M7O7Q7S7U6C7-7X3T7Z3iafa88y5U959j8R8h8Q8W8@8E96aK5u936b6paQ9o8l3r6l8f1-0x0I0~030o0b9=000u0A0z2p0m7e0o0E0Ea0a}9I1*0J0o1m0-0oa00R1*0X0o0Wa%8FaV04aM5e8/5?8;aNaR5`be8ea)0_a+a-0o9~0#0c0o0#0xbya/aca@a_a{2Dbq3i106UaJ9u6-9x3(bR6Z0*0,0.7z9z3L9B9D9T1g0n1f9%9O1F9Qb$2B9V2A9Y0jb*4G1K1F040%0b0w1X720k7j0u0o7o0#4}2C1*0=b70k0Ob90m0x1*2Dcb5pcg2Ba73~c80Q0p2=0q0x0P1u1wajal9w0C04.