# Kaj je metoda describe() v pandas DataFrame?

Funkcija Python pandas `DataFrame.describe()` se uporablja za ustvarjanje statističnega povzetka številčnih stolpcev v DataFrame. Ta povzetek vključuje ključne statistične metrike, kot so povprečje, standardni odmik, minimum, maksimum in različni percentili.

## Kakšna je sintaksa za funkcijo `describe()` v pandas?

Osnovna sintaksa `describe()` za DataFrames je preprosta. Izgleda takole:

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

### Pomembni parametri za pandas `DataFrame.describe()`

Z naslednjimi parametri lahko nastavite izhod `describe()`:

<table>
  <thead>
    <tr>
      <th><strong>Parameter</strong></th>
      <th><strong>Opis</strong></th>
      <th><strong>Privzeta vrednost</strong></th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td>`percentiles`</td>
      <td>Seznam percentilov, ki naj bi bili vključeni v povzetek</td>
      <td>`[.25, .5, .75]`</td>
    </tr>
    <tr>
      <td>`include`</td>
      <td>Določa, katere vrste podatkov naj se vključijo v opis; možne vrednosti so `numpy.number`, `numpy.object`, `all` ali `None`</td>
      <td>`None`</td>
    </tr>
    <tr>
      <td>`exclude`</td>
      <td>Določa, katere vrste podatkov naj se izključijo iz opisa; deluje podobno kot parameter `include`.</td>
      <td>`None`</td>
    </tr>
  </tbody>
</table>

Definition Statistični percentili so vrednosti, ki razvrščeni niz podatkov razdelijo na enake dele in prikazujejo, kolikšen odstotek podatkovnih točk je pod določeno mejno vrednostjo. Ti vključujejo metrike, kot so mediana (50. percentil), 25. percentil in 75. percentil. Te informacije pomagajo zagotoviti jasnejšo sliko porazdelitve podatkov.

## Primeri uporabe pandas `describe()`

Če potrebujete hiter pregled ključnih statističnih kazalnikov podatkovnega niza, je funkcija pandas `DataFrame.describe()` izredno uporabna.

### Primer 1: Statistični povzetek numeričnih podatkov

V naslednjem primeru si ogledamo DataFrame `df`, ki vsebuje različne vrste podatkov o prodaji.

```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)
```

Sedaj lahko uporabite pandas `describe()`, da dobite statistični povzetek numeričnih podatkov v stolpcih:

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

Izhod funkcije pandas `DataFrame.describe()` je naslednji:

```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
```

Ključni kazalniki, prikazani v izhodnih podatkih, so:

- `count`: Število vnosov, ki niso NaN (ni število)
- `mean`: Povprečje vrednosti (dostopno tudi prek [DataFrame.mean()](https://www.ionos.com/sl-si/digitalguide/spletne-strani/razvoj-spletnih-strani/python-pandas-povprecje-dataframe/))
- `std`: Standardni odmik vrednosti
- `min`, `25%`, `50%`, `75%`, `max`: Najmanjša, 25. percentil, mediana (50. percentil), 75. percentil in največja vrednost

### Primer 2: Prilagajanje percentilov

V izhodu pandas `DataFrame.describe()` lahko odstotke prilagodite s parametrom `percentiles`:

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

Ta klic funkcije zagotavlja naslednji izhod:

```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
```

V izhodnih podatkih so namesto standardnih percentilov iz prejšnjega primera vključeni `10%`, 50 % in 90 %.


This is a markdown version of: [https://www.ionos.com/sl-si/digitalguide/spletne-strani/razvoj-spletnih-strani/python-pandas-dataframe-describe/](https://www.ionos.com/sl-si/digitalguide/spletne-strani/razvoj-spletnih-strani/python-pandas-dataframe-describe/) for AI/LLM consumption.