Python：从DataFrame提取较低的分位数

Question

我有一个dataframe列，它是一组数字，按降序排列，我需要将最低的％10分配给新的dataframe。但是我找不到提取最低％10的方法。预先感谢。

我尝试过的第一个函数是numpy的percentile函数。

import numpy as np
import pandas as pd


df['Column']` #which has 2400 number

array1 = np.array(df['Column'])

np.percentile(array1,10)` #gave me the variable which is the %10 (just 1 variable) but I need the list of lowest %10

我尝试过的第二个代码是熊猫的cut函数

pd.qcut(df['Column'], q =10) # divides the dataframe to 10 equal piece. But I couldn't find a way to extract lowest %10 

Answer 1

如果需要获取满足此条件的行，则可以通过简单的切片来实现。让我们来看看：

1. 要获得10％的分位数阈值，请使用df['Column'].quantile(0.1)
2. 要获得此列低于（或等于）此阈值的行，请使用df['Column'].le(df['Column'].quantile(0.1))（或等效地，为df['Column'] <= df['Column'].quantile(0.1)）。
3. 先前的表达式给出了一个序列，该序列的索引与df的索引匹配，并且True / False的值与条件匹配/不匹配。可以将此类序列作为索引传递给df，以仅过滤所需的行。

总结起来，您想要的是：

df_2 = df[df['Column'].le(df['Column'].quantile(0.1))]

编辑：对于前10％，类似使用

df_2 = df[df['Column'].ge(df['Column'].quantile(0.9))]

编辑（同样，根据OP的评论）：

如果需要获取确切的数字（例如，精确到数据集的10％，而不考虑重复的值），则可以按相关列对数据框进行排序，并选择顶部/底部的[[n值（其中 n可能是df.shape [0] // 10），例如：

df_2 = df.sort_values('Column').tail(df.shape[0]//10) # top 10%
df_2 = df.sort_values('Column').head(df.shape[0]//10) # bottom 10%