对于数据框中的给定数据集,当我应用describe
函数,我得到基本统计数据,包括最小值、最大值、25%、50% 等。
例如:
data_1 = pd.DataFrame({'One':[4,6,8,10]},columns=['One'])
data_1.describe()
输出是:
One
count 4.000000
mean 7.000000
std 2.581989
min 4.000000
25% 5.500000
50% 7.000000
75% 8.500000
max 10.000000
我的问题是: 25%的计算公式是什么?
1)据我所知,是:
formula = percentile * n (n is number of values)
在这种情况下:
25/100 * 4 = 1
所以第一个位置是数字 4,但根据描述函数它是5.5
.
2) 另一个例子说 - 如果你得到一个整数,然后取 4 和 6 的平均值 - 这将是 5 - 仍然不匹配5.5
由描述给出。
3) 另一个教程说 - 你取两个数字之间的差 - 乘以 25% 并添加到较小的数字:
25/100 * (6-4) = 1/4*2 = 0.5
将其添加到较低的数字:4 + 0.5 = 4.5
还是没有得到5.5
.
有人可以澄清一下吗?
In the 熊猫文档 https://github.com/pydata/pandas/blob/master/pandas/core/series.py有关于分位数计算的信息,其中引用了 numpy.percentile :
返回给定分位数的值,即 numpy.percentile。
然后,检查 numpy.percentile解释 http://docs.scipy.org/doc/numpy/reference/generated/numpy.percentile.html,我们可以看到插值方法设置为linear默认情况下:
线性:i + (j - i) *fraction,其中fraction是小数部分
由 i 和 j 包围的索引
对于您的具体情况,第 25 个分位数的结果为:
res_25 = 4 + (6-4)*(3/4) = 5.5
对于第 75 个分位数,我们得到:
res_75 = 8 + (10-8)*(1/4) = 8.5
如果您将插值方法设置为“中点”,那么您将得到您想要的结果。
.
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)