Question

在这篇文章中：

这是@perl对Quantile（）函数的工作给出的解释：

df = pd.DataFrame([5,7,10,15,19,21,21,22,22,23,23,23,23,23,24,24,24,24,25], columns=['val'])

让我们考虑0.25（当然，逻辑与0.75相同）：元素编号应为(len(df)-1)*0.25 = (19 - 1)*0.25 = 4.5，因此我们位于元素4（即19 –从0开始计数）和元素5（即其中的元素之间）之间是21）。因此，我们有i = 19，j = 21，分数= 0.5和i +（j-i）*分数= 20

我仍然无法弄清楚Quantile（）函数的工作方式。

所有分位数的公式都建议我们应取q *（n + 1），其中q是要计算的分位数。但是，在@perl的解释中，使用的公式为q *（n-1）。为什么用（n-1）而不是（n + 1）？

第二，为什么@perl使用0.5的分数？

如果总数据点是偶数还是奇数，分位数计算方法是否有差异？*

如果我们采用两个数据帧：

df1 = pd.DataFrame([2,4,6,8,10,12]) # n=6 (even)

df2 = pd.DataFrame([1,3,5,7,9]) # n=5 (odd)

它们各自的分位数如下（图）（分位数）：

在上述两种情况下，我无法确定分位数的计算方式。

q-> df1-> df2

0.2-> 4.0-> 2.6

0.25-> 4.5-> 3.0

0.5-> 7.0-> 5.0

0.75-> 9.5-> 7.0

0.8-> 10.0-> 7.4

有人可以解释吗？我将非常感谢。

谢谢。

门廊

Answer 1

我不确定，但是您可以尝试一下。

0 <= q <= 1

df = pd.DataFrame([1,3,5,7,9], columns=['val'])

df.quantile(0.25)

output: val 3.0

解释：n ＝ 5，q ＝ 0.25。因为我使用q = 0.25，所以我们可以使用index = n/4 = 1.25

Condition for index:

如果索引小数部分如0.25 <0.50，则索引= floor（index）
如果索引小数部分> 0.50，则索引= ceil（index）
如果索引的十进制小数== 0.50，则值= int（索引）+0.5

大熊猫Quantile（）函数在内部如何工作？

1 个答案: