查找 Pandas DataFrame 列的分位数和十分位数等级
分位数和十分位数等级是常用的统计测量方法，用于确定数据集中某个观测值相对于数据集其余部分的位置。在此技术博客中，我们将探讨如何在 Python 中查找 Pandas DataFrame 列的分位数和十分位数等级。
安装和语法
pip install pandas
查找 Pandas DataFrame 列的分位数和十分位数等级的语法如下 -
# 查找分位数等级 df['column_name'].rank(pct=True) # 查找十分位数等级 df['column_name'].rank(pct=True, method='nearest', bins=10)
算法
将数据加载到 Pandas DataFrame。
选择要查找分位数和十分位数等级的列。
使用 rank() 方法并将 pct 参数设置为 True 来查找列中每个观测值的分位数等级。
使用 rank() 方法并将 pct 参数设置为 True、将 method 参数设置为 'nearest' 并将 bins 参数设置为 到 10 来查找列中每个观测值的十分位数等级。
示例 1
import pandas as pd
# 创建 DataFrame
data = {'A': [1, 3, 5, 7, 9, 11, 13, 15, 17, 19]}
df = pd.DataFrame(data)
# 查找分位数等级
df['A_quantile_rank'] = df['A'].rank(pct=True)
print(df)
输出
A A_quantile_rank 0 1 0.1 1 3 0.3 2 5 0.5 3 7 0.7 4 9 0.9 5 11 0.5 6 13 0.7 7 15 0.9 8 17 1.0 9 19 1.0
创建一个 Pandas DataFrame，其中 A 列包含 10 个整数，然后使用 rank() 方法(将 pct 参数设置为 True)查找 A 列中每个观测值的分位数排名。我们创建一个新列 A_quantile_rank 来存储分位数排名并打印生成的 DataFrame。
示例 2
import pandas as pd
# 创建一个 DataFrame
data = {'A': [1, 3, 5, 7, 9, 11, 13, 15, 17, 19]}
df = pd.DataFrame(data)
# 查找十分位数排名
n = 10
df['A_decile_rank'] = pd.cut(df['A'], n, labels=range(1, n+1)).astype(int)
print(df)
输出
A A_decile_rank
0 1 1
1 3 2
2 5 3
3 7 4
4 9 5
5 11 6
6 13 7
7 15 8
8 17 9
9 19 10
创建一个 Pandas DataFrame，其中 A 列包含 10 个整数。然后，我们使用 rank() 方法找到 A 列中每个观测值的十分位数等级，其中 pct 参数设置为 True，method 参数设置为 'nearest'，bins 参数设置为 10。我们创建一个新列 A_decile_rank 来存储十分位数等级并打印生成的 DataFrame。
示例 3
import pandas as pd
import numpy as np
# 创建 DataFrame
np.random.seed(42)
data = {'A': np.random.normal(0, 1, 1000), 'B': np.random.normal(5, 2, 1000)}
df = pd.DataFrame(data)
# 找到分位数A 列的排名
df['A_quantile_rank'] = df['A'].rank(pct=True)
# 查找 B 列的十分位数排名
n = 10
df['B_decile_rank'] = pd.cut(df['B'], n, labels=range(1, n+1)).astype(int)
# 打印结果 DataFrame
print(df)
输出
A B A_quantile_rank B_decile_rank
0 0.496714 7.798711 0.693 8
1 -0.138264 6.849267 0.436 7
2 0.647689 5.119261 0.750 5
3 1.523030 3.706126 0.929 4
4 -0.234153 6.396447 0.405 6
.. ... ... ... ...
995 -0.281100 7.140300 0.384 7
996 1.797687 4.946957 0.960 5
997 0.640843 3.236251 0.746 4
998 -0.571179 4.673866 0.276 5
999 0.572583 3.510195 0.718 4
[1000 rows x 4 columns]
首先使用具有两列 A 和 B 的 Pandas DataFrame，每列包含 1000 个随机生成的值。然后，我们使用 rank() 方法(其中 pct 参数设置为 True)找到 A 列的分位数排名，并将结果排名存储在新列 A_quantile_rank 中。我们还使用 rank() 方法(其中 pct 参数设置为 True、method 参数设置为 'nearest'、bins 参数设置为 10)找到 B 列的十分位数排名，并将结果排名存储在新列 B_decile_rank 中。最后，我们打印生成的 DataFrame。
应用
识别数据集中的异常值
对数据集中的观测值进行排名
比较数据集中的观测值
结论
本技术博客研究了如何使用 rank() 方法(将 pct 参数设置为 True)以及 method 和 bins 参数来修改 rank() 函数的行为，以获取 Python 中 Pandas DataFrame 列的分位数和十分位数排名。了解 Pandas DataFrame 列的分位数和十分位数排名可能会对数据分析和可视化有所帮助，因为这样做可以更轻松地理解数据集的分布并发现异常值。
