pandas quantile

pandas quantile

在数据分析中，quantile 是一个重要的统计量，用于衡量数据的分布情况。在 Pandas 中，我们可以使用 quantile() 方法来计算指定分位数的值。这个方法非常实用，可以帮助我们更好地了解数据的整体分布，并进行数据的切分与分析。

1. quantile 方法的基本语法

quantile() 方法的基本语法如下：

DataFrame.quantile(q=0.5, axis=0, numeric_only=True, interpolation='linear')

参数说明：

• q：要计算的分位数，可以是单个值，也可以是一组值（列表形式）。
• axis：沿着特定的轴进行计算，默认为 0。
• numeric_only：是否仅计算数值类型的列，默认为 True。
• interpolation：指定插值方法，可选参数有 ‘linear’、’lower’、’higher’、’midpoint’、’nearest’。默认为 ‘linear’。

2. 示例数据集

为了更好地演示 quantile() 方法的使用，我们以一个示例数据集为例进行说明。假设我们有一份包含学生考试成绩的数据集，其中包含了学生的姓名、数学成绩和语文成绩。我们首先加载这份数据集，并进行简单的预览：

import pandas as pd

data = {'姓名': ['小明', '小红', '小刚', '小美', '小云'],
        '数学成绩': [90, 85, 88, 92, 89],
        '语文成绩': [87, 82, 85, 90, 88]}
df = pd.DataFrame(data)
print(df)

输出如下：

   姓名  数学成绩  语文成绩
0  小明     90     87
1  小红     85     82
2  小刚     88     85
3  小美     92     90
4  小云     89     88

3. 计算分位数

接下来，我们通过 quantile() 方法来计算数学成绩的中位数、上四分位数和下四分位数:

# 计算数学成绩的中位数
median = df['数学成绩'].quantile(0.5)
print(f"数学成绩的中位数：{median}")

# 计算数学成绩的上四分位数
upper_quantile = df['数学成绩'].quantile(0.75)
print(f"数学成绩的上四分位数：{upper_quantile}")

# 计算数学成绩的下四分位数
lower_quantile = df['数学成绩'].quantile(0.25)
print(f"数学成绩的下四分位数：{lower_quantile}")

运行结果如下：

数学成绩的中位数：89.0
数学成绩的上四分位数：90.0
数学成绩的下四分位数：88.0

4. 多个分位数的计算

除了单个分位数外，quantile() 方法还支持同时计算多个分位数。例如，我们希望计算数学和语文成绩的 25%、50% 和 75% 分位数，可以使用如下方法：

# 计算数学和语文成绩的 25%、50% 和 75% 分位数
percentiles = [0.25, 0.5, 0.75]
result = df[['数学成绩', '语文成绩']].quantile(percentiles)
print(result)

运行结果如下：

      数学成绩  语文成绩
0.25   88.0   85.0
0.50   89.0   88.0
0.75   90.0   90.0

5. 插值方法

在计算分位数时，我们还可以使用不同的插值方法。以计算语文成绩的中位数为例，我们可以尝试不同的插值方法，并观察不同结果：

# 使用不同的插值方法计算语文成绩的中位数
print(f"中位数（linear）：{df['语文成绩'].quantile(0.5, interpolation='linear')}")
print(f"中位数（lower）：{df['语文成绩'].quantile(0.5, interpolation='lower')}")
print(f"中位数（higher）：{df['语文成绩'].quantile(0.5, interpolation='higher')}")
print(f"中位数（midpoint）：{df['语文成绩'].quantile(0.5, interpolation='midpoint')}")
print(f"中位数（nearest）：{df['语文成绩'].quantile(0.5, interpolation='nearest')}")

运行结果如下：

中位数（linear）：88.0
中位数（lower）：87.0
中位数（higher）：90.0
中位数（midpoint）：88.5
中位数（nearest）：87.0

6. 总结

通过本文的介绍，我们了解了 Pandas 中 quantile() 方法的基本用法和相关参数。该方法可以帮助我们在数据分析中更好地理解数据的分布情况，并且方便我们对数据进行分位数分析。在实际应用中，我们可以根据具体需求，灵活运用这个方法，以便更好地理解和分析数据。