大熊猫如何计算四分位数？

Question

我有一个非常简单的数据框：

df = pd.DataFrame([5,7,10,15,19,21,21,22,22,23,23,23,23,23,24,24,24,24,25], columns=['val'])

df.median（）= 23这是正确的，因为从列表中的19个值，23是第10个值（23个之前的9个值，23之后的9个值）

我试图将第1和第3四分位数计算为：

df.quantile([.25, .75])

         val
0.25    20.0
0.75    23.5

我原本预计，从中位数的9个值开始，第一个四分位数应该是19，但正如你可以看到的那样，python表示它是20.同样，对于第3个四分位数，从右到左的第5个数字是24，但是python显示为23.5。

大熊猫如何计算四分位数？

原始问题来自以下链接：https://www.khanacademy.org/math/statistics-probability/summarizing-quantitative-data/box-whisker-plots/a/identifying-outliers-iqr-rule

Answer 1

Pandas没有创建分位数。这里看看文档https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.quantile.html它实际上使用了numpy的百分位函数https://docs.scipy.org/doc/numpy/reference/generated/numpy.percentile.html#numpy.percentile

Answer 2

它默认使用线性插值。以下是如何使用最近的：

df['val'].quantile([0.25, 0.75], interpolation='nearest')

Out:
0.25    19
0.75    24

有关interpolation参数如何工作的官方文档的更多信息：

    This optional parameter specifies the interpolation method to use,
    when the desired quantile lies between two data points `i` and `j`:

    * linear: `i + (j - i) * fraction`, where `fraction` is the
      fractional part of the index surrounded by `i` and `j`.
    * lower: `i`.
    * higher: `j`.
    * nearest: `i` or `j` whichever is nearest.
    * midpoint: (`i` + `j`) / 2.

https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.quantile.html