Pandas使用 quantile() 方法计算 DataFrame 或 Series 的分位数

在 中，可以使用 () 方法计算 或 的分位数。分位数是指将数据分成若干个等份的数值点，例如，第二四分位数（又称为中位数）将数据分成两等份，第三四分位数将数据分成三等份，以此类推。

() 方法可以接受一个浮点数参数 q，表示要计算的分位数。例如，q=0.5 表示计算中位数，q=0.25 表示计算第一四分位数，q=0.75 表示计算第三四分位数。以下是一个示例代码：

import pandas as pd
# 创建示例Series
s = pd.Series([1, 2, 3, 4, 5])
# 计算中位数
median = s.quantile(q=0.5)
print(median)
# 计算第一四分位数
q1 = s.quantile(q=0.25)
print(q1)
# 计算第三四分位数
q3 = s.quantile(q=0.75)
print(q3)

输出结果如下所示：

3.0
2.0
4.0

在这个示例中，我们创建了一个包含 5 个整数的 ，并计算了它的中位数、第一四分位数和第三四分位数。() 方法还可以接受多个分位数值的列表，以一次计算多个分位数。

注意，() 方法默认使用线性插值来计算分位数。如果需要使用不同的插值方法，可以在 () 方法中传递 参数。常用的插值方法包括：（线性插值，缺省值）、lower（选择最靠近要求的分位数的数值）、（选择最靠近要求的分位数的数值的下一个数值）、（选择最靠近要求的分位数的数值）和（选择最靠近要求的分位数的两个数值的平均值）。例如，可以使用以下代码计算 s 的第一四分位数，并使用最靠近的值插值方法：

q1 = s.quantile(q=0.25, interpolation='nearest')
print(q1)

———END———
限 时 特 惠： 本站每日持续更新海量各大内部创业教程，永久会员只需109元，全站资源免费下载 点击查看详情
站 长 微 信： nanadh666