计算列中值的百分位数

Question

我有一个数据框，其中有一列具有数值。此列未很好地近似于正态分布。给定另一个不在该列中的数值，我如何计算它在该列中的百分位数？也就是说，如果该值大于列中值的 80% 但小于其他 20%，则它将位于第 20 个百分位。

原文由 Bluefire 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

对列进行排序，并查看该值是否在前 20% 或任何百分位数内。

例如：

 def in_percentile(my_series, val, perc=0.2):
    myList=sorted(my_series.values.tolist())
    l=len(myList)
    return val>myList[int(l*perc)]

或者，如果您想要实际的百分位数，只需使用 searchsorted ：

 my_series.values.searchsorted(val)/len(my_series)*100

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

Answer 2

要找到相对于数组（或在您的情况下为数据框列）的值的百分位数，请使用 scipy 函数 stats.percentileofscore() 。

例如，如果我们有一个值 x （不在数据框中的其他数值）和一个引用数组 arr （数据框中的列），我们可以找到 x 的百分位数：

 from scipy import stats
percentile = stats.percentileofscore(arr, x)

请注意， stats.percentileofscore() 函数的第三个参数对百分位数的结果值有重大影响，即。 kind 。您可以选择 rank , weak , strict 和 mean 有关详细信息，请参阅 文档。

有关差异的示例：

 >>> df
   a
0  1
1  2
2  3
3  4
4  5

>>> stats.percentileofscore(df['a'], 4, kind='rank')
80.0

>>> stats.percentileofscore(df['a'], 4, kind='weak')
80.0

>>> stats.percentileofscore(df['a'], 4, kind='strict')
60.0

>>> stats.percentileofscore(df['a'], 4, kind='mean')
70.0

最后一点，如果您的值大于列中其他值的 80%，则它将位于第 80 个百分位（请参阅上面的示例，了解 kind 方法如何影响此最终值分数有点）而不是第 20 个百分位数。有关详细信息，请参阅 此维基百科文章。

原文由 wingr 发布，翻译遵循 CC BY-SA 3.0 许可协议