Python Pandas - 如何通过描述函数计算 25 个百分位数
Posted
技术标签:
【中文标题】Python Pandas - 如何通过描述函数计算 25 个百分位数【英文标题】:Python Pandas - how is 25 percentile calculated by describe function 【发布时间】:2017-01-26 19:42:19 【问题描述】:对于数据框中的给定数据集,当我应用describe
函数时,我会得到包括最小值、最大值、25%、50% 等在内的基本统计数据。
例如:
data_1 = pd.DataFrame('One':[4,6,8,10],columns=['One'])
data_1.describe()
输出是:
One
count 4.000000
mean 7.000000
std 2.581989
min 4.000000
25% 5.500000
50% 7.000000
75% 8.500000
max 10.000000
我的问题是:计算 25% 的数学公式是什么?
1) 据我所知,是:
formula = percentile * n (n is number of values)
在这种情况下:
25/100 * 4 = 1
所以第一个位置是数字 4 但根据描述函数它是5.5
。
2) 另一个例子是 - 如果你得到一个整数然后取 4 和 6 的平均值 - 这将是 5 - 仍然不匹配由 describe 给出的5.5
。
3) 另一个教程说 - 你取两个数字之间的差 - 乘以 25% 并添加到较小的数字:
25/100 * (6-4) = 1/4*2 = 0.5
将其添加到较低的数字:4 + 0.5 = 4.5
仍然没有收到5.5
。
有人可以澄清一下吗?
【问题讨论】:
这不是(max - min)/4
吗?所以 10-4 = 6 然后除以 4 得到 1.5,然后将其设置为 4 和 10 之间的间隔?
我认为它内部使用了numpy,在这里查看百分号代码github.com/numpy/numpy/blob/…
开源的美妙之处在于您可以自己检查代码。根据code of describe
,它调用系列'quantile
method。文档字符串有你的答案。
【参考方案1】:
pandas documentation 中有关于分位数计算的信息,其中引用了 numpy.percentile:
返回给定分位数的值,一个 la numpy.percentile。
然后,查看numpy.percentileexplanation,可以看到插值方式默认设置为linear:
线性:i + (j - i) * 分数,其中分数是小数部分 由 i 和 j 包围的索引的
对于您的具体情况,第 25 个分位数来自:
res_25 = 4 + (6-4)*(3/4) = 5.5
对于第 75 个分位数,我们得到:
res_75 = 8 + (10-8)*(1/4) = 8.5
如果您将插值方法设置为“中点”,那么您将得到您想到的结果。
.
【讨论】:
【参考方案2】:我认为将此计算视为 min+(max-min)*percentile 会更容易理解。它与 NumPy 中描述的这个函数的结果相同:
线性:i + (j - i) * 分数,其中分数是由 i 和 j 包围的索引的小数部分
res_25 = 4+(10-4)*percentile = 4+(10-4)*25% = 5.5
res_75 = 4+(10-4)*percentile = 4+(10-4)*75% = 8.5
【讨论】:
但是为什么要使用 10 而不是 6? 正如 Orli 所说,它的 min+(max-min)*percentile。所以,它的 4+(10-4)*percentile 我试图理解,但是这个公式和方法百分位数的结果不同:my_data = [2.3, 2.7, 3.5, 3.6, 4.2, 4.5] print(np.percentile(my_data, 25 )) 打印(np.percentile(my_data, 75))以上是关于Python Pandas - 如何通过描述函数计算 25 个百分位数的主要内容,如果未能解决你的问题,请参考以下文章
Serverless 解惑——函数计算如何访问 Mongo 数据库
Serverless 解惑——函数计算如何访问 Redis 数据库