DataFrame.quantile(self,?q=0.5,?axis=0,?numeric_only=True,?interpolation='linear')[source]

返回在請求軸上的給定的quantile值。

參數：q : float 或 array-like, 默認 0.5 (50% quantile)

要計算的quantile值在0 <= q <= 1之間。

axis : {0, 1, ‘index’, ‘columns’}(默認為 0)

行為0或' index '，列為1或'columns'。

numeric_only : bool，默認值True

如果為False，也將計算datetime和timedelta數據的quantile。

interpolation: {‘linear’, ‘lower’, ‘higher’, ‘midpoint’, ‘nearest’}

這個可選參數指定了當所需quantile位于兩個數據點i和j之間時要使用的插值方法:

1) linear: i + (j - i) *fraction，其中分數是指數中被i和j包圍的小數部分。

2) lower:?i

3)?higher: j

4) nearest: i或j，以最接近的為準。

5)?midpoint:?(i?+?j) / 2

返回值：Series或 DataFrame

如果q是數組，則將返回DataFrame，其中

index是q，列是self的列，值是quantiles。

如果q為float，則在

index是self的列，值是quantiles。

例子>>> df = pd.DataFrame(np.array([[1, 1], [2, 10], [3, 100], [4, 100]]),

... columns=['a', 'b'])

>>> df.quantile(.1)

a 1.3

b 3.7

Name: 0.1, dtype: float64

>>> df.quantile([.1, .5])

a b

0.1 1.3 3.7

0.5 2.5 55.0

指定numeric_only = False還將計算日期時間和時間增量數據的分位數>>> df = pd.DataFrame({'A': [1, 2],

... 'B': [pd.Timestamp('2010'),

... pd.Timestamp('2011')],

... 'C': [pd.Timedelta('1 days'),

... pd.Timedelta('2 days')]})

>>> df.quantile(0.5, numeric_only=False)

A 1.5

B 2010-07-02 12:00:00

C 1 days 12:00:00

Name: 0.5, dtype: object

總結

以上是生活随笔為你收集整理的python dataframe 分位数_Python pandas.DataFrame.quantile函数方法的使用的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。