如何计算 pandas 中的四分位数（举例）

在统计学中，四分位数是将一组数据分为四个相等部分的值。

在分析分布时，我们通常对以下四分位数感兴趣：

• 第一个四分位数 ( Q1 )：位于第 25 个百分位数的值
• 第二个四分位数 ( Q2 )：位于第 50 个百分位数的值
• 第三四分位数 ( Q3 )：位于第 75 个百分位数的值

您可以使用以下方法来计算 pandas DataFrame 中列的四分位数：

方法 1：计算列的四分位数

 df[' some_column ']. quantile ([ 0.25 , 0.5 , 0.75 ])

方法 2：计算每个数字列的四分位数

 df. quantile (q=[ 0.25 , 0.5 , 0.75 ], axis= 0 , numeric_only= True )

以下示例展示了如何在实践中使用以下 pandas DataFrame 的每种方法：

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' team ': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J'],
                   ' points ': [12, 14, 14, 16, 24, 26, 28, 30, 31, 35],
                   ' assists ': [2, 2, 3, 3, 4, 6, 7, 8, 10, 15]})

#view DataFrame
print (df)

  team points assists
0 to 12 2
1 B 14 2
2 C 14 3
3 D 16 3
4 E 24 4
5 F 26 6
6 G 28 7
7:30 8
8 I 31 10
9 D 35 15

示例 1：计算列的四分位数

以下代码显示如何仅计算点列的四分位数：

 #calculate quartiles for points column
df[' points ']. quantile ([ 0.25 , 0.5 , 0.75 ])

0.25 14.5
0.50 25.0
0.75 29.5
Name: points, dtype: float64

从结果我们可以看出：

• 第一个四分位数是14.5 。
• 第二个四分位数是25 。
• 第三个四分位数是29.5 。

通过了解这三个值，我们就可以很好地了解这些值在点列中的分布情况。

示例 2：计算每个数字列的四分位数

以下代码显示了如何计算 DataFrame 中每个数字列的四分位数：

 #calculate quartiles for each numeric column in DataFrame
df. quantile (q=[ 0.25 , 0.5 , 0.75 ], axis= 0 , numeric_only= True )

      assist points
0.25 14.5 3.00
0.50 25.0 5.00
0.75 29.5 7.75

输出显示 DataFrame 的两个数字列的四分位数。

请注意，有多种方法可以计算分布的四分位数。

请参阅 pandas 文档页面，了解 pandas quantile()函数用于计算四分位数的不同方法。

其他资源

以下教程解释了如何在 pandas 中执行其他常见任务：

如何计算熊猫的百分比变化
如何计算 pandas 的累积百分比
如何计算 pandas 中一组内总数的百分比