柚子快報邀請碼778899分享：pandas 73

http://yzkb.51969.com/

73_Pandas獲取分位數(shù)/百分位數(shù)

使用 quantile() 方法獲取 pandas 中 DataFrame 或 Series 的分位數(shù)/百分位數(shù)。

目錄

Quantile() 的基本用法指定要獲取的分位數(shù)/百分位數(shù)：參數(shù) q指定interpolation方法：參數(shù)interpolation

數(shù)據(jù)類型 dtype 的差異 指定行/列：參數(shù)axis指定是否處理非數(shù)字值：參數(shù) numeric_only用于字符串上用于日期時間用于布爾值 bool

本文示例代碼的pandas版本如下。請注意，規(guī)格可能因版本而異。以下面的DataFrame為例。

import pandas as pd

print(pd.__version__)

# 1.3.5

df = pd.DataFrame({'col_1': range(11), 'col_2': [i**2 for i in range(11)]})

print(df)

# col_1 col_2

# 0 0 0

# 1 1 1

# 2 2 4

# 3 3 9

# 4 4 16

# 5 5 25

# 6 6 36

# 7 7 49

# 8 8 64

# 9 9 81

# 10 10 100

Quantile() 的基本用法

默認(rèn)情況下，DataFrame 的 quantile() 將每列的中值（1/2 分位數(shù)，第 50 個百分位數(shù)）返回為 Series。稍后將解釋包含非數(shù)字列的情況。

print(df.quantile())

# col_1 5.0

# col_2 25.0

# Name: 0.5, dtype: float64

print(type(df.quantile()))

#

如果從系列中調(diào)用 quantile()，中值將作為標(biāo)量值返回。

print(df['col_1'].quantile())

# 5.0

print(type(df['col_1'].quantile()))

#

元素類型根據(jù)原始數(shù)據(jù)類型和下述interpolation參數(shù)的設(shè)置而不同。

指定要獲取的分位數(shù)/百分位數(shù)：參數(shù) q

指定想要在第一個參數(shù) q 中獲得的 0.0 到 1.0 之間的分位數(shù)/百分比。

print(df.quantile(0.2))

# col_1 2.0

# col_2 4.0

# Name: 0.2, dtype: float64

列表中可以指定多種規(guī)格。在這種情況下，返回值將是一個 DataFrame。

print(df.quantile([0, 0.25, 0.5, 0.75, 1.0]))

# col_1 col_2

# 0.00 0.0 0.0

# 0.25 2.5 6.5

# 0.50 5.0 25.0

# 0.75 7.5 56.5

# 1.00 10.0 100.0

print(type(df.quantile([0, 0.25, 0.5, 0.75, 1.0])))

#

如果指定多個Series，則返回值將為Series。

print(df['col_1'].quantile([0, 0.25, 0.5, 0.75, 1.0]))

# 0.00 0.0

# 0.25 2.5

# 0.50 5.0

# 0.75 7.5

# 1.00 10.0

# Name: col_1, dtype: float64

print(type(df['col_1'].quantile([0, 0.25, 0.5, 0.75, 1.0])))

#

指定interpolation方法：參數(shù) interpolation

值interpolation方法由參數(shù)interpolation指定。默認(rèn)值為“l(fā)inear”.

print(df.quantile(0.21))

# col_1 2.1

# col_2 4.5

# Name: 0.21, dtype: float64

print(df.quantile(0.21, interpolation='linear'))

# col_1 2.1

# col_2 4.5

# Name: 0.21, dtype: float64

“l(fā)ower”使用較小的值，“higher”使用較大的值，“nearest”使用最接近的值。

print(df.quantile(0.21, interpolation='lower'))

# col_1 2

# col_2 4

# Name: 0.21, dtype: int64

print(df.quantile(0.21, interpolation='higher'))

# col_1 3

# col_2 9

# Name: 0.21, dtype: int64

print(df.quantile(0.21, interpolation='nearest'))

# col_1 2

# col_2 4

# Name: 0.21, dtype: int64

“midpoint”是前一個值和后一個值之間的中間值（平均值）。

print(df.quantile(0.21, interpolation='midpoint'))

# col_1 2.5

# col_2 6.5

# Name: 0.21, dtype: float64

數(shù)據(jù)類型 dtype 的差異

默認(rèn)是線性interpolation，因此如果原始數(shù)據(jù)類型dtype是整數(shù)int，則會轉(zhuǎn)換為浮點數(shù)float。請注意，即使該值與原始值相同，數(shù)據(jù)類型也會改變。

print(df.quantile(0.2))

# col_1 2.0

# col_2 4.0

# Name: 0.2, dtype: float64

在“l(fā)ower”、“higher”和“nearest”的情況下，按原樣使用原始值，因此數(shù)據(jù)類型保持不變。

print(df.quantile(0.2, interpolation='lower'))

# col_1 2

# col_2 4

# Name: 0.2, dtype: int64

指定行/列：參數(shù)axis

默認(rèn)是按列處理，但如果 axis 參數(shù)設(shè)置為 1 或 ‘columns’，則會按行處理。

print(df.quantile(axis=1))

# 0 0.0

# 1 1.0

# 2 3.0

# 3 6.0

# 4 10.0

# 5 15.0

# 6 21.0

# 7 28.0

# 8 36.0

# 9 45.0

# 10 55.0

# Name: 0.5, dtype: float64

指定是否處理非數(shù)字值：參數(shù) numeric_only

可以使用參數(shù) numeric_only 指定是否處理非數(shù)字列。將 numeric_only 設(shè)置為 True 將僅定位數(shù)字列，并將其設(shè)置為 False 將定位所有類型的列。 從pandas 2.0開始，numeric_only的默認(rèn)值為False。在此之前確實如此。請注意，這取決于版本。

用于字符串上

以添加了字符串列的 DataFrame 為例。

df_str = df.copy()

df_str['col_3'] = list('abcdefghijk')

print(df_str)

# col_1 col_2 col_3

# 0 0 0 a

# 1 1 1 b

# 2 2 4 c

# 3 3 9 d

# 4 4 16 e

# 5 5 25 f

# 6 6 36 g

# 7 7 49 h

# 8 8 64 i

# 9 9 81 j

# 10 10 100 k

print(df_str.dtypes)

# col_1 int64

# col_2 int64

# col_3 object

# dtype: object

如果參數(shù) numeric_only 設(shè)置為 True，則僅以數(shù)字列為目標(biāo)，并且排除字符串列。

print(df_str.quantile(numeric_only=True))

# col_1 5.0

# col_2 25.0

# Name: 0.5, dtype: float64

當(dāng)以參數(shù) numeric_only 設(shè)置為 False（從 pandas 2.0 開始默認(rèn)）的字符串列為目標(biāo)時，如果參數(shù)interpolation是“線性”（默認(rèn)）或“中點”，則會發(fā)生錯誤。對于“l(fā)ower”、“higher”和“nearest”，該值將是前一個值或根據(jù)字典順序的前一個值。

# print(df_str.quantile())

# TypeError: unsupported operand type(s) for -: 'str' and 'str'

# print(df_str.quantile(interpolation='midpoint'))

# TypeError: unsupported operand type(s) for -: 'str' and 'str'

print(df_str.quantile([0.2, 0.21, 0.3], interpolation='lower'))

# col_1 col_2 col_3

# 0.20 2 4 c

# 0.21 2 4 c

# 0.30 3 9 d

print(df_str.quantile([0.2, 0.21, 0.3], interpolation='higher'))

# col_1 col_2 col_3

# 0.20 2 4 c

# 0.21 3 9 d

# 0.30 3 9 d

print(df_str.quantile([0.2, 0.21, 0.3], interpolation='nearest'))

# col_1 col_2 col_3

# 0.20 2 4 c

# 0.21 2 4 c

# 0.30 3 9 d

用于日期時間

以添加了日期時間列的 DataFrame 為例。

df_dt = df.copy()

df_dt['col_3'] = pd.date_range('2023-01-01', '2023-01-11')

print(df_dt)

# col_1 col_2 col_3

# 0 0 0 2023-01-01

# 1 1 1 2023-01-02

# 2 2 4 2023-01-03

# 3 3 9 2023-01-04

# 4 4 16 2023-01-05

# 5 5 25 2023-01-06

# 6 6 36 2023-01-07

# 7 7 49 2023-01-08

# 8 8 64 2023-01-09

# 9 9 81 2023-01-10

# 10 10 100 2023-01-11

print(df_dt.dtypes)

# col_1 int64

# col_2 int64

# col_3 datetime64[ns]

# dtype: object

如果參數(shù) numeric_only 設(shè)置為 True，則僅將數(shù)字列作為目標(biāo)，并且將排除日期和時間列。

print(df_dt.quantile(numeric_only=True))

# col_1 5.0

# col_2 25.0

# Name: 0.5, dtype: float64

即使interpolation參數(shù)是“l(fā)inear”（默認(rèn)）或“midpoint”，日期和時間列也會正確interpolation。當(dāng)然，“l(fā)ower”、“higher”和“nearest”也是可以接受的。

print(df_dt.quantile([0.2, 0.21, 0.3]))

# col_1 col_2 col_3

# 0.20 2.0 4.0 2023-01-03 00:00:00

# 0.21 2.1 4.5 2023-01-03 02:24:00

# 0.30 3.0 9.0 2023-01-04 00:00:00

print(df_dt.quantile([0.2, 0.21, 0.3], interpolation='midpoint'))

# col_1 col_2 col_3

# 0.20 2.0 4.0 2023-01-03 00:00:00

# 0.21 2.5 6.5 2023-01-03 12:00:00

# 0.30 3.0 9.0 2023-01-04 00:00:00

print(df_dt.quantile([0.2, 0.21, 0.3], interpolation='lower'))

# col_1 col_2 col_3

# 0.20 2 4 2023-01-03

# 0.21 2 4 2023-01-03

# 0.30 3 9 2023-01-04

print(df_dt.quantile([0.2, 0.21, 0.3], interpolation='higher'))

# col_1 col_2 col_3

# 0.20 2 4 2023-01-03

# 0.21 3 9 2023-01-04

# 0.30 3 9 2023-01-04

print(df_dt.quantile([0.2, 0.21, 0.3], interpolation='nearest'))

# col_1 col_2 col_3

# 0.20 2 4 2023-01-03

# 0.21 2 4 2023-01-03

# 0.30 3 9 2023-01-04

用于布爾值 bool

以添加了一列 boolean 布爾值的 DataFrame 為例。

df_bool = df.copy()

df_bool['col_3'] = [True, False, True, False, True, False, True, False, True, False, True]

print(df_bool)

# col_1 col_2 col_3

# 0 0 0 True

# 1 1 1 False

# 2 2 4 True

# 3 3 9 False

# 4 4 16 True

# 5 5 25 False

# 6 6 36 True

# 7 7 49 False

# 8 8 64 True

# 9 9 81 False

# 10 10 100 True

print(df_bool.dtypes)

# col_1 int64

# col_2 int64

# col_3 bool

# dtype: object

可以使用 select_dtypes() 排除 bool 列，也可以使用 astype() 將其轉(zhuǎn)換為整數(shù) int。

print(df_bool.select_dtypes(exclude=bool))

# col_1 col_2

# 0 0 0

# 1 1 1

# 2 2 4

# 3 3 9

# 4 4 16

# 5 5 25

# 6 6 36

# 7 7 49

# 8 8 64

# 9 9 81

# 10 10 100

print(df_bool.select_dtypes(exclude=bool).quantile())

# col_1 5.0

# col_2 25.0

# Name: 0.5, dtype: float64

print(df_bool.astype({'col_3': int}))

# col_1 col_2 col_3

# 0 0 0 1

# 1 1 1 0

# 2 2 4 1

# 3 3 9 0

# 4 4 16 1

# 5 5 25 0

# 6 6 36 1

# 7 7 49 0

# 8 8 64 1

# 9 9 81 0

# 10 10 100 1

print(df_bool.astype({'col_3': int}).quantile())

# col_1 5.0

# col_2 25.0

# col_3 1.0

# Name: 0.5, dtype: float64

柚子快報邀請碼778899分享：pandas 73

http://yzkb.51969.com/

相關(guān)文章