熊猫显示错误的百分位数吗？答案

【问题标题】：Is pandas showing the wrong percentile?熊猫显示错误的百分位数吗？
【发布时间】：2018-08-08 01:45:34
【问题描述】：

我正在使用这个 WNBA 数据集 here。我正在分析Height 变量，下表显示了记录的每个高度值的频率、累积百分比和累积频率：

从表中我可以很容易地得出结论，第一个四分位数（第 25 个百分位数）不能大于 175。

但是，当我使用Series.describe() 时，我被告知第 25 个百分位数是 176.5。为什么会这样？

wnba.Height.describe()
count    143.000000
mean     184.566434
std        8.685068
min      165.000000
25%      176.500000
50%      185.000000
75%      191.000000
max      206.000000
Name: Height, dtype: float64

【问题讨论】：

正如许多人所说，有多种方法可以获得百分位数。如果你需要得到 175 可以看看我的answer

标签： python pandas statistics

【解决方案1】：

估计分位数有多种方法。
175.0 vs 176.5 涉及两种不同的方法：

包括 Q1（这给出 176.5）和
不包括 Q1（给出 175.0）。

估计差异如下

#1
h = (N − 1)*p + 1 #p being 0.25 in your case
Est_Quantile =  x⌊h⌋ + (h − ⌊h⌋)*(x⌊h⌋ + 1 − x⌊h⌋)

#2
h = (N + 1)*p   
x⌊h⌋ + (h − ⌊h⌋)*(x⌊h⌋ + 1 − x⌊h⌋)

【讨论】：

【解决方案2】：

这是因为默认情况下describe() 会进行线性插值。

所以，不，pandas 没有显示错误的百分位数
（它只是没有显示你想看到的百分位数）。

要获得您期望的结果，您可以在Height 系列上使用.quantile()，将插值指定为'lower'：

df = pd.read_csv('../input/WNBA Stats.csv')
df.Height.quantile(0.25,interpolation='lower') #interpolation lower to get what you expect

更多选项请参见documentation。

注意@jpp said:

百分位数有很多定义

您可以看到answer too，它讨论了numpy 和pandas 百分位数计算之间的差异。

【讨论】：

【解决方案3】：

这是一个统计问题。百分位数有很多定义。以下是为什么在计算第 25 个百分位指数时要加 1 的一种解释：

一个直观的答案是数字 1 到 n 的平均值是不是 n/2 而是 (n+1)/2。所以这给了你一个提示，简单地使用 p*n 会产生稍微太小的值。

资源：

【讨论】：