Pandas Series.quantile() 函数

Pandas 常用函数

Series.quantile() 是 Pandas 中用于计算 Series 分位数的函数。分位数是将有序数据分成若干等份的值，常用的有四分位数（25%、50%、75%）、中位数（50%）等。

分位数是描述数据分布的重要指标，可以帮助了解数据的分布形态、识别异常值。在统计分析、成绩排名、收入分析等场景中广泛应用。

基本语法与参数

quantile() 是 Series 对象的成员函数，直接通过点运算符调用。

语法格式

Series.quantile(q=0.5, interpolation='linear', numeric_only=True, closed='both')

参数说明

返回值

• 返回类型：float 或 Series
• 说明：返回指定分位数的值。如果 q 是单个值，返回 float；如果 q 是列表，返回 Series。

---

实例

让我们通过一系列从简单到复杂的例子，彻底掌握 Series.quantile() 的用法。

示例 1：基础用法 - 计算中位数

中位数就是 50% 分位数，是最常用的分位数。

实例

import pandas as pd

# 创建一个包含学生成绩的 Series
scores = pd.Series([65, 70, 72, 75, 78, 80, 82, 85, 88, 90, 92, 95])

print("学生成绩：")
print(scores)
print()

# 计算中位数（50% 分位数）
median_score = scores.quantile(0.5)

print(f"中位数：{median_score}")
print(f"使用 median() 函数：{scores.median()}")
print()
print("分析：50% 的学生成绩低于或等于 80 分。")


运行结果：

学生成绩：
0    65
1    70
2    72
3    75
4    75
5    80
6    80
7    85
8    88
9    90
10    92
11    95
dtype: int64

中位数：80.0

中位数（使用 median() 函数）：80.0

代码解析：

• quantile(0.5) 等同于 median()。
• 中位数将数据分成两半，50% 的数据小于等于中位数。

示例 2：计算四分位数

四分位数将数据分成四等份：25%、50%、75%。

实例

import pandas as pd

# 创建一个包含员工收入的 Series
income = pd.Series([3000, 3500, 3800, 4000, 4200, 4500, 5000, 5500, 6000, 8000, 15000])

print("员工月收入数据（元）：")
print(income)
print()

# 计算三个四分位数
q1 = income.quantile(0.25)   # 第一四分位数（25%）
q2 = income.quantile(0.50)   # 第二四分位数/中位数（50%）
q3 = income.quantile(0.75)   # 第三四分位数（75%）

print(f"第一四分位数 Q1（25%）：{q1} 元")
print(f"第二四分位数 Q2（50%）：{q2} 元")
print(f"第三四分位数 Q3（75%）：{q3} 元")
print()

# 计算四分位距（IQR）
iqr = q3 - q1
print(f"四分位距 IQR：{iqr} 元")
print()

print("分析：")
print("- 25% 的员工收入低于或等于 4000 元")
print("- 50% 的员工收入低于或等于 5000 元")
print("- 75% 的员工收入低于或等于 6000 元")
print("- IQR 越大，说明数据越分散")


运行结果：

员工月收入数据（元）：
1    3000
2    低于 3800
3    4000
4    4200
5    4500
6    5000
7    5500
8    6000
9    8000
10   15000
dtype: int64

Q1（25% 分位）：4000.0 元
Q2（50% 分位）：5000.0 元
Q3（75% 分位）：6000.0 元

四分位距 IQR = 6000 - 4000 = 2000 元

示例 3：同时计算多个分位数

可以一次性计算多个分位数。

实例

import pandas as pd

# 创建数据
data = pd.Series([10, 20, 30, 40, 50, 60, 70, 80, 90, 100])

print("数据：")
print(data)
print()

# 计算多个分位数
percentiles = data.quantile([0, 0.1, 0.25, 0.5, 0.75, 0.9, 1.0])

print("各分位数：")
print(percentiles)
print()

# 分位数也可以用百分比字符串（仅限单个值）
print(f"使用字符串 '50%'：{data.quantile('50%')}")
print(f"使用字符串 '0.5'：{data.quantile(0.5)}")


运行结果：

数据：
0     10
1     20
2     30
3     40
4     50
量值：60
5     70
6     80
7     90
8    100
dtype: int 参数

多个分位数：
0.00    10.0
0.10    19.0
0.25    32.5
0.50    50.0
0.75    67.5
0.90    81.0
1.00   100.0
dtype: float64

示例 4：interpolation 参数的作用

当分位数位于两个值之间时，不同的插值方法会得到不同的结果。

实例

import pandas as pd

# 创建一个包含 6 个元素的 Series
data = pd.Series([10, 20, 30, 40, 50, 60])

print("数据：", data.values)
print()

# 计算 30% 分位数（位于 20 和 30 之间）
# 位置 = (n-1) * q = 5 * 0.3 = 1.5
print("30% 分位数，使用不同插值方法：")

linear = data.quantile(0.3, interpolation='linear')
print(f"linear（线性插值，默认）: {linear}")

lower = data.quantile(0.3, interpolation='lower')
print(f"lower（取较小值）: {lower}")

higher = data.quantile(0.3, interpolation='higher')
print(f"higher（取较大值）: {higher}")

nearest = data.quantile(0.3, interpolation='nearest')
print(f"nearest（取最近值）: {nearest}")

midpoint = data.quantile(0.3, interpolation='midpoint')
print(f"midpoint（取中间值）: {midpoint}")


运行结果：

数据：[10, 20, 30, 40, 50, 60]
位置计算：(n-1) * q = 5 * 0.3 = 1.5，表示在 20 和 30 之间

不同插值方法的结果：
- linear（线性插值，默认）：23.0
- lower（向下取整）：20.0
- higher（向上取整）：30.0
- nearest（最近邻）：20.0
- midpoint（中间值）：25.0

代码解析：

• interpolation='linear'：在两个值之间进行线性插值，20 + (30-20)*0.5 = 23。
• interpolation='lower'：取索引较小的值，即 20。
• interpolation='higher'：取索引较大的值，即 30。
• interpolation='nearest'：取距离分位数位置最近的值。
• interpolation='midpoint'：取两个值的中间值，即 (20+30)/2 = 25。

示例 5：使用分位数识别异常值

四分位距（IQR）常用于识别数据中的异常值。

实例

import pandas as pd

# 创建一个包含一些异常值的数据
data = pd.Series([12, 15, 18, 20, 22, 25, 28, 30, 32, 150])

print("数据（含异常值）：")
print(data)
print()

# 计算四分位数
q1 = data.quantile(0.25)
q3 = data.quantile(0.75)
iqr = q3 - q1

# 计算异常值边界
lower_bound = q1 - 1.5 * iqr
upper_bound = q3 + 1.5 * iqr

print(f"Q1（25%）：{q1}")
print(f"Q3（75%）：{q3}")
print(f"IQR：{iqr}")
print()
print(f"正常值下界：{lower_bound}")
print(f"正常值上界：{upper_bound}")
print()

# 识别异常值
outliers = data[(data  upper_bound)]
print(f"异常值：{outliers.values}")
print()

print("分析：150 是一个明显的异常值，超出了上界。")


运行结果：

数据（含异常值）：
3     150
4     22
5     25
6     28
7     30
8     32
9    150
dtype: int64

Q1（25%）：18.75
Q3（75%）：30.25
IQR = 11.5

正常值下界：1.5
正常值上界：47.5
异常值：150

分析：150 明显超出了正常范围，是一个异常值。

---

注意事项

• 分位数的取值范围是 0 到 1。
• 默认使用线性插值（linear）方法计算分位数。
• 当 q 是列表时，返回值是 Series，而不是单个值。
• 分位数可以用于识别数据中的异常值，常用的方法是 IQR 法则（1.5 倍四分位距）。
• 对于大量数据，分位数的计算效率很高。

---

小结

Series.quantile() 是分析数据分布的重要函数。它的主要特点包括：

• 支持计算任意分位数（0 到 1 之间）。
• 可以一次性计算多个分位数。
• 提供多种插值方法，满足不同需求。
• 在识别异常值方面非常有用。

在实际数据分析中，分位数常用于了解数据的分布形态、比较不同数据集、识别异常值等。配合箱线图使用，可以更直观地展示数据分布。

Pandas 常用函数

返回顶部