我有一个数据框df，其中包含一些按页面浏览量 (PV) 排名的基本网络统计数据：
URL PVs
1 1500
2 1200
3 900
4 700
:
100 25
我正在尝试过滤和计算贡献不同百分位页面浏览量 (PV) 的 URL 数量。比如说，我想知道有多少以及哪些 URL 带来了 90%（或 10%）的 PV。
我计算了百分位数：
df.quantile(np.linspace(.1, 1, 9, 0))
而且我知道我可以像这样遍历行（所以我可以总结它们）：
for index, row in df.iterrows():
print row['PVs']
但我无法弄清楚当达到某个阈值时如何停止。感谢您的帮助！
【问题讨论】：
标签： python-2.7 pandas percentile
考虑一系列网址
s = pd.Series(np.random.randint(100, size=10000), name='URL')
使用pd.Series.value_counts 获取计数列表并使用normalize=True 选项。另外，请确保使用ascending=True 升序排序
vc = s.value_counts(normalize=True, ascending=True)
vc 现在是一个在索引中包含URLs 并标准化counts 作为值的系列。因为它是升序排序的，所以我们可以进行累积求和，并在您要查找的断点处提取项目的位置。
a = vc.cumsum().searchsorted(np.linspace(.1, 1, 9, 0))
vc.index[a]
Int64Index([64, 40, 20, 18, 9, 45, 67, 30, 77], dtype='int64')
我们可以观察结果
a = vc.cumsum().searchsorted(np.linspace(.1, 1, 9, 0))
pd.concat([vc.cumsum().iloc[a], vc.iloc[a]], axis=1, keys=['Cumsum', 'Normalized'])
Cumsum Normalized
64 0.1075 0.0089
40 0.2083 0.0094
20 0.3036 0.0096
18 0.4010 0.0099
9 0.5010 0.0101
45 0.6032 0.0103
67 0.7084 0.0106
30 0.8049 0.0108
77 0.9053 0.0114
【讨论】：
ascending=True 拖慢了它，我们可以跳过它，因为后面的.cumsum() 保证了排序的性质。
vc 作为 OP 数据的代理。无论哪种方式，cumsum 部分都是相同的。
我认为您需要按条件计算 sum 的 True 值：
a = (df['PVs'] > df['PVs'].quantile(0.9)).sum()
print (a)
1
df1 = df[df['PVs'] > df['PVs'].quantile(0.9)]
print (df1)
URL PVs
0 1 1500
a = (df['PVs'] < df['PVs'].quantile(0.1)).sum()
print (a)
1
df1 = df[df['PVs'] < df['PVs'].quantile(0.1)]
print (df1)
URL PVs
4 100 25
如果需要计算所有分位数：
df1 = df.groupby(pd.qcut(df['PVs'], 10)).size()
print (df1)
PVs
(24.999, 295.0] 1
(295.0, 565.0] 0
(565.0, 740.0] 1
(740.0, 820.0] 0
(820.0, 900.0] 1
(900.0, 1020.0] 0
(1020.0, 1140.0] 0
(1140.0, 1260.0] 1
(1260.0, 1380.0] 0
(1380.0, 1500.0] 1
dtype: int64
【讨论】：