熊猫:查找给定列的百分位统计数据

新手上路,请多包涵

我有一个 pandas 数据框 my_df,我可以在其中找到给定列的 mean()、median()、mode():

 my_df['field_A'].mean()
my_df['field_A'].median()
my_df['field_A'].mode()

我想知道是否可以找到更详细的统计数据,例如 90%?谢谢!

原文由 Edamame 发布,翻译遵循 CC BY-SA 4.0 许可协议

阅读 262
2 个回答

您可以使用 pandas.DataFrame.quantile() 函数,如下所示。

 import pandas as pd
import random

A = [ random.randint(0,100) for i in range(10) ]
B = [ random.randint(0,100) for i in range(10) ]

df = pd.DataFrame({ 'field_A': A, 'field_B': B })
df
#    field_A  field_B
# 0       90       72
# 1       63       84
# 2       11       74
# 3       61       66
# 4       78       80
# 5       67       75
# 6       89       47
# 7       12       22
# 8       43        5
# 9       30       64

df.field_A.mean()   # Same as df['field_A'].mean()
# 54.399999999999999

df.field_A.median()
# 62.0

# You can call `quantile(i)` to get the i'th quantile,
# where `i` should be a fractional number.

df.field_A.quantile(0.1) # 10th percentile
# 11.9

df.field_A.quantile(0.5) # same as median
# 62.0

df.field_A.quantile(0.9) # 90th percentile
# 89.10000000000001

原文由 stackoverflowuser2010 发布,翻译遵循 CC BY-SA 3.0 许可协议

假设系列 s

 s = pd.Series(np.arange(100))

获取分位数 [.1, .2, .3, .4, .5, .6, .7, .8, .9]

 s.quantile(np.linspace(.1, 1, 9, 0))

0.1     9.9
0.2    19.8
0.3    29.7
0.4    39.6
0.5    49.5
0.6    59.4
0.7    69.3
0.8    79.2
0.9    89.1
dtype: float64

要么

s.quantile(np.linspace(.1, 1, 9, 0), 'lower')

0.1     9
0.2    19
0.3    29
0.4    39
0.5    49
0.6    59
0.7    69
0.8    79
0.9    89
dtype: int32

原文由 piRSquared 发布,翻译遵循 CC BY-SA 3.0 许可协议

撰写回答
你尚未登录,登录后可以
  • 和开发者交流问题的细节
  • 关注并接收问题和回答的更新提醒
  • 参与内容的编辑和改进,让解决方法与时俱进
推荐问题