# Kuidas arvutada keskmisi pandas mean() abil

Python pandas’i funktsiooni `DataFrame.mean()` kasutatakse **keskmiste arvutamiseks** ühe või mitme DataFrame’i telje puhul. Pandas `mean()` on oluline numbriliste andmete analüüsimiseks. Lisaks keskmiste väärtuste arvutamisele pakub see ka ülevaadet andmete jaotumisest.

## Mis on `DataFrame.mean()` süntaxis?

Funktsioon pandas `mean()` võtab vastu **kuni kolm parameetrit** ja selle süntaks on järgmine:

```python
DataFrame.mean(axis=None, skipna=True, numeric_only=None)
```

### Milliseid parameetreid saab kasutada pandas `Dataframe.mean`-ga?

Saate kasutada erinevaid parameetreid, et kohandada pandas `DataFrame.mean()` töötamist.

<table>
  <thead>
    <tr>
      <th><strong>Parameeter</strong></th>
      <th><strong>Kirjeldus</strong></th>
      <th><strong>Vaikimisi väärtus</strong></th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td>`axis`</td>
      <td>Määrab, kas arvutus tehakse ridade (`axis=0`) või veergude (`axis=1`) põhjal.</td>
      <td>`0`</td>
    </tr>
    <tr>
      <td>`skipna`</td>
      <td>Kui on seatud `True`, ignoreeritakse NaN väärtused.</td>
      <td>`True`</td>
    </tr>
    <tr>
      <td>`numeric_only`</td>
      <td>Kui seadistada `True`, arvestatakse arvutamisel ainult numbrilisi andmetüüpe.</td>
      <td>`False`</td>
    </tr>
  </tbody>
</table>

## Kuidas kasutada pandas `mean()`

Funktsiooni pandas `DataFrame.mean()` saab rakendada nii veergudele kui ka ridadele.

### Veergude keskmiste väärtuste arvutamine

Esiteks loome [pandas DataFrame’i](https://www.ionos.com/et-ee/digitalguide/veebisaidid/veebiarendus/python-pandas-dataframe/) mõningate numbriliste andmetega:

```python
import pandas as pd
data = {
    'A': [1, 2, 3, 4],
    'B': [4, 5, 6, 7],
    'C': [7, 8, 9, 10]
}
df = pd.DataFrame(data)
print(df)
```

Saadud andmeraamistik näeb välja järgmine:

```none
A  B    C
0  1  4    7
1  2  5    8
2  3  6    9
3  4  7  10
```

Iga veeru keskmise arvutamiseks võite kasutada pandas `mean()` funktsiooni. Vaikimisi on telje parameeter seatud väärtusele 0, mis vastab veergudele.

```python
column_means = df.mean()
print(column_means)
```

Eespool toodud kood arvutab iga veeru (A, B ja C) keskmise, leides vastava veeru elementide summa ja jagades selle veeru elementide arvuga. Tulemuseks on järgmine pandas Series:

```none
A    2.5
B    5.5
C    8.5
dtype: float64
```

### Ridade keskmiste väärtuste arvutamine

Kui soovite leida ridade keskmise, seadke lihtsalt parameeter `axis` väärtuseks 1:

```python
row_means = df.mean(axis=1)
print(row_means)
```

Pandas `mean()` arvutab rea keskmised väärtused, jagades rea elementide summa selle elementide arvuga. Eespool nimetatud funktsiooni kutsumine annab järgmise tulemuse:

```none
0    4.0
1    5.0
2    6.0
3    7.0
dtype: float64
```

### NaN-väärtuste käsitlemine

Selles näites kasutame teistsugust DataFrame’i, mis sisaldab NaN-väärtusi:

```python
import pandas as pd
import numpy as np
data = {
    'A': [1, 2, np.nan, 4],
    'B': [4, np.nan, 6, 7],
    'C': [7, 8, 9, np.nan]
}
df = pd.DataFrame(data)
print(df)
```

Eespool olev kood loob järgmise andmestiku:

```none
A    B    C
0  1.0  4.0  7.0
1  2.0  NaN  8.0
2  NaN  6.0  9.0
3  4.0  7.0  NaN
```

Veergude keskmiste arvutamisel määrab parameeter `skipna`, kas NaN-väärtused tuleks arvesse võtta või ignoreerida. Vaikimisi on `skipna` seatud väärtuseks `True`, seega ignoreerib `df.mean()` automaatselt NaN-väärtused. Kui soovite NaN-väärtusi arvesse võtta, peate lisama parameetrina `skipna=False`. Sel juhul tagastab iga veerg, milles on vähemalt üks NaN-väärtus, keskmisena NaN-väärtuse.

```python
mean_with_nan = df.mean() 
print(mean_with_nan)
```

Kõne `df.mean()` annab järgmise väljundi:

```none
A    2.333333
B    5.666667
C    8.000000
dtype: float64
```


This is a markdown version of: [https://www.ionos.com/et-ee/digitalguide/veebisaidid/veebiarendus/python-pandas-dataframe-keskmine/](https://www.ionos.com/et-ee/digitalguide/veebisaidid/veebiarendus/python-pandas-dataframe-keskmine/) for AI/LLM consumption.