# Kako izračunati povprečja s pandas mean()

Funkcija `DataFrame.mean()` v Python pandas se uporablja za **izračun povprečij** po eni ali več oseh DataFrame. Pandas `mean()` je bistven za analizo numeričnih podatkov. Poleg izračuna povprečnih vrednosti ponuja tudi vpogled v porazdelitev podatkov.

## Kakšna je sintaksa za `DataFrame.mean()`?

Funkcija pandas `mean()` sprejme **do tri parametre** in ima naslednjo sintakso:

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

### Kateri parametri se lahko uporabljajo s pandas `Dataframe.mean`?

Za prilagajanje delovanja pandas `DataFrame.mean()` lahko uporabite različne parametre.

<table>
  <thead>
    <tr>
      <th><strong>Parameter</strong></th>
      <th><strong>Opis</strong></th>
      <th><strong>Privzeta vrednost</strong></th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td>`axis`</td>
      <td>Določa, ali se izračun izvede po vrsticah (`axis=0`) ali stolpcih (`axis=1`).</td>
      <td>`0`</td>
    </tr>
    <tr>
      <td>`skipna`</td>
      <td>Če je nastavljeno na `True`, se vrednosti NaN ignorirajo.</td>
      <td>`True`</td>
    </tr>
    <tr>
      <td>`numeric_only`</td>
      <td>Če je nastavljeno na `True`, bodo v izračun vključeni samo numerični podatkovni tipi.</td>
      <td>`False`</td>
    </tr>
  </tbody>
</table>

## Kako uporabljati pandas `mean()`

Funkcijo pandas `DataFrame.mean()` lahko uporabite za stolpce in vrstice.

### Izračun povprečnih vrednosti za stolpce

Najprej bomo ustvarili [pandas DataFrame](https://www.ionos.com/sl-si/digitalguide/spletne-strani/razvoj-spletnih-strani/python-pandas-dataframe/) z nekaterimi numeričnimi podatki:

```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)
```

Rezultatni DataFrame izgleda takole:

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

Za izračun povprečja vsakega stolpca lahko uporabite funkcijo pandas `mean()`. Privzeto je parameter osi nastavljen na 0, kar ustreza stolpcem.

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

Zgornja koda izračuna povprečje za vsak stolpec (A, B in C) tako, da poišče vsoto elementov v posameznem stolpcu in jo nato deli s številom elementov v stolpcu. Rezultat je naslednja pandas Series:

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

### Izračun povprečnih vrednosti za vrstice

Če želite izračunati povprečje za vrstice, preprosto nastavite parameter `axis` na 1:

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

Pandas `mean()` izračuna povprečja vrstic tako, da vsoto elementov v vrstici deli s številom elementov, ki jih vsebuje. Klic funkcije zgoraj da naslednji izpis:

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

### Obravnavanje vrednosti NaN

V tem primeru bomo uporabili drugačen DataFrame, ki vsebuje vrednosti NaN:

```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)
```

Zgornja koda ustvari naslednji DataFrame:

```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
```

Pri izračunu povprečij za stolpce parameter `skipna` določa, ali naj se vrednosti NaN vključijo ali ignorirajo. Privzeto je `skipna` nastavljeno na `True`, tako da `df.mean()` samodejno ignorira vrednosti NaN. Če želite vključiti vrednosti NaN, morate dodati `skipna=False` kot parameter. S tem bo vsak stolpec z vsaj eno vrednostjo NaN vrnil NaN kot svojo srednjo vrednost.

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

Klic `df.mean()` da naslednji izpis:

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


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