pandas的quantile函数

最新推荐文章于 2025-03-14 22:13:39 发布

DDxuexi

最新推荐文章于 2025-03-14 22:13:39 发布

阅读量1.9w

点赞数 17

CC 4.0 BY-SA版权

分类专栏：新知识新发现

本文链接：https://blog.youkuaiyun.com/DDxuexi/article/details/116031223

新知识新发现专栏收录该内容

5 篇文章

订阅专栏

本文介绍了pandas的quantile函数，用于计算数据的分位数，特别是中位数。通过示例详细解释了如何计算不同分位数，并提到了参数如q、axis和interpolation的作用。此外，还提及了numpy的numpy.quantile函数，其用法与pandas类似。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

pandas的quantile函数

quantile : 分位数的意思
一般为 0.25 0.5 0.75分位数
中数值的计算方法
1. 设分位数为p : 分位数的值 = 1 + (n - 1) * p, n为数值的个数
2. 看下面示例的计算

# quantile函数
DataFrame.quantile(q=0.5, axis=0, numeric_only=True, interpolation=’linear’)

参数意义
- q : 数字或者是类列表，范围只能在0-1之间，默认是0.5，即中位数-第2四分位数
- axis :计算方向，可以是 {0, 1, ‘index’, ‘columns’}中之一，默认为 0
- interpolation（插值方法）:可以是 {‘linear’, ‘lower’, ‘higher’, ‘midpoint’, ‘nearest’}之一，默认是linear。

这五个插值方法是这样的：当选中的分为点位于两个数数据点 i and j 之间时:
linear: i + (j - i) * fraction, fraction由计算得到的pos的小数部分（后面有例子）；
lower: i.
higher: j.
nearest: i or j whichever is nearest.
midpoint: (i + j) / 2.

示例1 : 分位数的计算

import pandas as pd
data = pd.DataFrame({'num':[2,4,7,8,9,10]})

data

	num
0	2
1	4
2	7
3	8
4	9
5	10

print(data['num'].quantile()) # 默认0.5时,方法为liner
print(data['num'].quantile(interpolation="higher"))

7.5
8

为什么是7.5 , 8?
- 1. 中位数的位置 1 + (6-1) * 0.5 = 3.5,位于第3个数和第4个数之间,分别是 7 和 8
- 1. liner : 7 + (8-7) * 0.5 = 7.5, (是(8-7)*3.5的小数部分0.5 )
  lower : 就是第3个数作为分位数,也就是7
  
  height : 就是8
  
  midpoint : (7 + 8)/ 2 = 7.5
  
  nearest : 不晓得

示例2 : 直接计算多个分位数

data['num'].quantile([0.25,0.5,0.75])

0.25    4.75
0.50    7.50
0.75    8.75
Name: num, dtype: float64

numpy中的numpy.quantile

numpy.quantile(a, q, axis=None, out=None, overwrite_input=False, interpolation=‘linear’, keepdims=False)

其中a为想要计算分位数的数据,其他和pandas中的基本相同