计算列中值的百分位数

Question

我有一个带有数字值的列的数据框。该列不是正态分布所近似的。给定另一个数值（不在此列中），如何计算其在该列中的百分位数？也就是说，如果该值大于该列中值的80％但小于其他20％，则该值将位于第20个百分点。

Answer 1

要找到相对于数组（或您的情况下为dataframe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（数据框中没有的其他数值）和一个引用数组arr（数据框中的列），则可以找到xby 的百分位数：

from scipy import stats
percentile = stats.percentileofscore(arr, x)

注意，stats.percentileofscore()函数的第三个参数对百分位数的结果值具有重要影响。kind。您可以选择rank，weak，strict，和mean。有关更多信息，请参阅文档。

有关差异的示例：

>>> 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

最后要注意的是，如果您的值大于该列中其他值的80％，则该值应在第80个百分点（请参见上面的示例以了解该kind方法对最终得分的影响程度），而不是第20个百分点。有关更多信息，请参见此Wikipedia文章。

Answer 2

可能很晚了但仍然

df['column_name'].describe()

将为您提供常规的 25、50 和 75 百分位数以及一些附加数据，但如果您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 个、第 20 个、第 30 个和第 50 个百分位数。您可以根据需要提供任意多个值。

可以像字典一样访问生成的对象：

desc = df['column_name'].describe(percentiles=[0.1, 0.2, 0.3, 0.5])
print(desc)
print(desc['10%'])

Answer 3

对列进行排序，并查看该值是否位于前 20% 或任何百分位数内。

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，如果您想要实际的百分位数，只需使用searchsorted：

my_series.values.searchsorted(val)/len(my_series)*100