# Guía rápida sobre el método Pandas describe()

La función `DataFrame.describe()` de la [Biblioteca Python Pandas](https://www.ionos.com/es-us/digitalguide/paginas-web/desarrollo-web/python-pandas/) sirve para generar un resumen estadístico de las columnas numéricas de un DataFrame. Dicho resumen incluye indicadores estadísticos clave como el promedio, desviación estándar, mínimo, máximo y varios cuantiles de los datos.

## Sintaxis de `describe()` en Pandas

La sintaxis básica de la función `describe()` en Pandas no es complicada y es la siguiente:

```python
DataFrame.describe(percentiles=None, include=None, exclude=None)
```

### Parámetros relevantes

Con la ayuda de algunos parámetros, podrás realizar ajustes en la salida de la función `describe()`. Dichos parámetros son:

<table>
  <thead>
    <tr>
      <th><strong>Parámetro</strong></th>
      <th><strong>Descripción</strong></th>
      <th><strong>Valor por defecto</strong></th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td>`percentiles`</td>
      <td>Enumera los cuantiles deseados que deben incluirse en la descripción</td>
      <td>`[.25, .5, .75]`</td>
    </tr>
    <tr>
      <td>`include`</td>
      <td>Determina qué tipos de datos se deben incluir en la descripción. Los valores pueden ser `numpy.number`, `numpy.object`, `all` o `None`</td>
      <td>`None`</td>
    </tr>
    <tr>
      <td>`exclude`</td>
      <td>Determina qué tipos de datos deben ser excluidos de la descripción. Los valores son análogos a los de `include`</td>
      <td>`None`</td>
    </tr>
  </tbody>
</table>

Definición Los cuantiles estadísticos son valores que dividen un conjunto de datos ordenados en segmentos de igual tamaño y muestran qué porcentaje de los puntos de datos se encuentra por debajo de ese umbral. Los cuantiles resultan muy útiles para comprender la distribución de los datos y pueden incluir, por ejemplo, la [mediana](https://www.ionos.com/es-us/digitalguide/online-marketing/analisis-web/calcular-la-mediana/) (percentil 50), el percentil 25 y el percentil 75.

## Uso de `describe()` en Pandas

El método `DataFrame.describe()` de Pandas se utiliza principalmente para obtener rápidamente los principales indicadores estadísticos de un conjunto de datos.

### Ejemplo 1: Resumen estadístico de datos numéricos

En el siguiente ejemplo se analiza el DataFrame `df`, que contiene una serie de datos de ventas:

```python
import pandas as pd
import numpy as np
# Ejemplo de DataFrame con datos de ventas
data = {
    'Product': ['A', 'B', 'C', 'D', 'E'],
    'Quantity': [10, 20, 15, 5, 30],
    'Price': [100, 150, 200, 80, 120],
    'Revenue': [1000, 3000, 3000, 400, 3600]
}
df = pd.DataFrame(data)
print(df)
```

A continuación, podemos utilizar `describe()` de Pandas para obtener un resumen estadístico de las columnas numéricas:

```python
summary = df.describe()
print(summary)
```

La llamada a la función `DataFrame.describe()` genera el siguiente resultado:

```none
Quantity       Price      Revenue
count   5.000000    5.000000     5.000000
mean   16.000000  130.000000  2200.000000
std     9.617692   46.904158  1407.124728
min     5.000000   80.000000   400.000000
25%    10.000000  100.000000  1000.000000
50%    15.000000  120.000000  3000.000000
75%    20.000000  150.000000  3000.000000
max    30.000000  200.000000  3600.000000
```

Estas cifras tienen el siguiente significado:

- `count`: cantidad de entradas no NaN
- `mean`: promedio de los valores (también visible con [`DataFrame.mean()`](https://www.ionos.com/es-us/digitalguide/paginas-web/desarrollo-web/pandas-dataframemean-en-python/))
- `std`: desviación estándar de los valores
- `min, 25%, 50%, 75%, max`: mínimo, percentil 25, mediana (percentil 50), percentil 75, máximo de los valores

### Ejemplo 2: Ajuste de los cuantiles

Puedes ajustar la función `DataFrame.describe()` de Pandas con los parámetros previamente descritos para incluir cuartiles específicos.

```python
# Resumen estadístico con cuantiles ajustados
custom_summary = df.describe(percentiles=[0.1, 0.5, 0.9])
print(custom_summary)
```

A partir de los cuantiles que hemos elegido, es decir, 10 %, 50 % (mediana) y 90 %; la llamada a la función proporciona el siguiente resultado:

```none
Quantity       Price      Revenue
count   5.000000    5.000000     5.000000
mean   16.000000  130.000000  2200.000000
std     9.617692   46.904158  1407.124728
min     5.000000   80.000000   400.000000
10%     7.000000   88.000000   640.000000
50%    15.000000  120.000000  3000.000000
90%    26.000000  180.000000  3360.000000
max    30.000000  200.000000  3600.000000
```


This is a markdown version of: [https://www.ionos.com/es-us/digitalguide/paginas-web/desarrollo-web/funcion-describe-para-dataframes-de-pandas-en-python/](https://www.ionos.com/es-us/digitalguide/paginas-web/desarrollo-web/funcion-describe-para-dataframes-de-pandas-en-python/) for AI/LLM consumption.