我有一个数据框，其中有一列具有数值。该列不能很好地近似于正态分布。给定另一个数值，不在此列中，我如何计算它在列中的百分位数？也就是说，如果该值大于列中值的 80% 但小于其他 20%，则它将位于第 20 个百分位。
【问题讨论】：
标签： python pandas statistics distribution
可能很晚，但仍然
df['column_name'].describe()
将为您提供常规的 25、50 和 75 个百分位数以及一些附加数据 但如果您特别想要某些特定值的百分位数，那么
df['column_name'].describe(percentiles=[0.1, 0.2, 0.3, 0.5])
这将为您提供第 10、第 20、第 30 和第 50 个百分位数。 您可以提供任意数量的值。
【讨论】：
由于您正在寻找超过/低于特定阈值的值，您可以考虑使用 pandas qcut 函数。如果您想要低于 20% 和超过 80% 的值，请将您的数据分成 5 个大小相等的分区。每个分区将代表一个 20% 的相同大小的“块”（五个 20% 的分区是 100%）。因此，给定一个包含 1 列“a”的 DataFrame，它代表您拥有数据的列：
df['newcol'] = pd.qcut(df['a'], 5, labels=False)
这将为您的 DataFrame 提供一个新列，其中每一行的值都在 (0, 1, 2, 3, 4) 中。其中 0 代表最低的 20%，4 代表最高的 20%，即 80% 的百分位数。
【讨论】：
要查找相对于数组（或在您的情况下为数据框列）的值的百分位数，请使用 scipy 函数 stats.percentileofscore()。
例如，如果我们有一个值x（另一个不在数据框中的数值）和一个引用数组arr（来自数据框的列），我们可以找到x 的百分位数作者：
from scipy import stats
percentile = stats.percentileofscore(arr, x)
请注意，stats.percentileofscore() 函数的第三个参数对百分位数的结果值有重大影响，即。 kind。您可以从rank、weak、strict 和mean 中进行选择。请参阅docs 了解更多信息。
举个不同的例子：
>>> df
a
0 1
1 2
2 3
3 4
4 5
>>> stats.percentileofscore(df['a'], 4, kind='rank')
80.0
>>> stats.percentileofscore(df['a'], 4, kind='weak')
80.0
>>> stats.percentileofscore(df['a'], 4, kind='strict')
60.0
>>> stats.percentileofscore(df['a'], 4, kind='mean')
70.0
最后一点，如果您的值大于列中其他值的 80%，则它将位于第 80 个百分位（请参阅上面的示例，了解 kind 方法如何影响此最终分数有点）不是第 20 个百分位。请参阅this Wikipedia article 了解更多信息。
【讨论】：
对列进行排序，并查看该值是否在前 20% 或任何百分位数中。
例如：
def in_percentile(my_series, val, perc=0.2):
myList=sorted(my_series.values.tolist())
l=len(myList)
return val>myList[int(l*perc)]
或者，如果您想要实际百分位数，只需使用searchsorted：
my_series.values.searchsorted(val)/len(my_series)*100
【讨论】：