# Kas ir pandas DataFrame describe() metode?

Python pandas funkcija `DataFrame.describe()` tiek izmantota, lai izveidotu statistisku kopsavilkumu par skaitliskajām kolonnām DataFrame. Šis kopsavilkums ietver galvenos statistiskos rādītājus, piemēram, vidējo, standarta novirzi, minimālo, maksimālo un dažādus procentiles.

## Kāda ir pandas `describe()` funkcijas sintakse?

`describe()` pamat sintakse DataFrames ir vienkārša. Tā izskatās šādi:

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

### Svarīgi parametri pandām `DataFrame.describe()`

Izmantojot šādus parametrus, varat pielāgot `describe()` izvadi:

<table>
  <thead>
    <tr>
      <th><strong>Parametrs</strong></th>
      <th><strong>Apraksts</strong></th>
      <th><strong>Noklusējuma vērtība</strong></th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td>`percentiles`</td>
      <td>Uzskaita procentiles, kas jāiekļauj kopsavilkumā</td>
      <td>`[.25, .5, .75]`</td>
    </tr>
    <tr>
      <td>`include`</td>
      <td>Norāda, kādi datu tipi jāiekļauj aprakstā; iespējamās vērtības ir `numpy.number`, `numpy.object`, `all` vai `None`</td>
      <td>`None`</td>
    </tr>
    <tr>
      <td>`exclude`</td>
      <td>Norāda, kurus datu tipus izslēgt no apraksta; funkcijas, piemēram, `include` parametrs</td>
      <td>`None`</td>
    </tr>
  </tbody>
</table>

Definition Statistikas procentiles ir vērtības, kas sadala sakārtotu datu kopu vienādās daļās, parādot, kāds procentuālais datu punktu skaits ir zemāks par noteiktu slieksni. Tās ietver tādas metrikas kā mediāna (50. percentile), 25. percentile un 75. percentile. Šī informācija palīdz iegūt skaidrāku priekšstatu par datu sadalījumu.

## Piemēri, kā lietot pandas `describe()`

Ja jums nepieciešams ātrs pārskats par datu kopas galvenajiem statistiskajiem rādītājiem, pandas `DataFrame.describe()` funkcija ir ļoti noderīga.

### 1. piemērs: skaitlisko datu statistiskais kopsavilkums

Šajā piemērā apskatīsim DataFrame `df`, kas satur dažāda veida pārdošanas datus.

```python
import pandas as pd
import numpy as np
# Example DataFrame with sales data
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)
```

Tagad varat izmantot pandas `describe()`, lai iegūtu statistisko kopsavilkumu par skaitliskajiem datiem kolonnās:

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

Pandas `DataFrame.describe()` funkcijas izvade ir šāda:

```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
```

Izvades rādītāji ir šādi:

- `count`: NaN (nav skaitlis) ierakstu skaits
- `mean`: Vidējā vērtība (pieejama arī ar [DataFrame.mean()](https://www.ionos.com/lv-lv/digitalguide/timekla-vietnes/timekla-izstrade/python-pandas-dataframe-videjais-raditajs/))
- `std`: Vērtību standarta novirze
- `min`, `25%`, `50%`, `75%`, `max`: minimālās, 25. percentiles, mediānas (50. percentiles), 75. percentiles un maksimālās vērtības

### 2. piemērs: Procentilu pielāgošana

Jūs varat pielāgot procentiles pandas `DataFrame.describe()` izvades ar `percentiles` parametru:

```python
# Statistical summary with custom percentiles
custom_summary = df.describe(percentiles=[0.1, 0.5, 0.9])
print(custom_summary)
```

Šis funkcijas izsaukums nodrošina šādu izvadi:

```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
```

Rezultātā ir iekļauti `10%`, 50 % un 90 % vietā standarta procentiles, kas bija iekļautas iepriekšējā piemērā.


This is a markdown version of: [https://www.ionos.com/lv-lv/digitalguide/timekla-vietnes/timekla-izstrade/python-pandas-dataframe-describe/](https://www.ionos.com/lv-lv/digitalguide/timekla-vietnes/timekla-izstrade/python-pandas-dataframe-describe/) for AI/LLM consumption.