Pandas 係列是帶有軸標簽的一維ndarray。標簽不必是唯一的,但必須是可哈希的類型。該對象同時支持基於整數和基於標簽的索引,並提供了許多方法來執行涉及索引的操作。
Pandas Series.quantile()
給定Series對象中基礎數據的給定分位數處的函數返回值。
用法: Series.quantile(q=0.5, interpolation=’linear’)
參數:
q:float或array-like,默認值為0.5(分位數為50%)
interpolation:{“線性”,“較低”,“較高”,“中點”,“最近”}
返回:分位數:浮點數或係列
範例1:采用Series.quantile()
函數返回給定Series對象中基礎數據的所需分位數。
# importing pandas as pd
import pandas as pd
# Creating the Series
sr = pd.Series([10, 25, 3, 11, 24, 6])
# Create the Index
index_ = ['Coca Cola', 'Sprite', 'Coke', 'Fanta', 'Dew', 'ThumbsUp']
# set the index
sr.index = index_
# Print the series
print(sr)
輸出:
現在我們將使用Series.quantile()
函數來查找給定係列對象中基礎數據的40%的分位數。
# return the value of 40 % quantile
result = sr.quantile(q = 0.4)
# Print the result
print(result)
輸出:
正如我們在輸出中看到的,Series.quantile()
函數已成功返回給定Series對象的基礎數據的所需qunatile值。
範例2:采用Series.quantile()
函數返回給定Series對象中基礎數據的所需分位數。
# importing pandas as pd
import pandas as pd
# Creating the Series
sr = pd.Series([11, 21, 8, 18, 65, 84, 32, 10, 5, 24, 32])
# Print the series
print(sr)
輸出:
現在我們將使用Series.quantile()
函數查找給定係列對象中基礎數據的90%分位數。
# return the value of 90 % quantile
result = sr.quantile(q = 0.9)
# Print the result
print(result)
輸出:
正如我們在輸出中看到的,Series.quantile()
函數已成功返回給定Series對象的基礎數據的所需qunatile值。
相關用法
- Python pandas.map()用法及代碼示例
- Python Pandas Series.str.len()用法及代碼示例
- Python Pandas.factorize()用法及代碼示例
- Python Pandas TimedeltaIndex.name用法及代碼示例
- Python Pandas dataframe.ne()用法及代碼示例
- Python Pandas Series.between()用法及代碼示例
- Python Pandas DataFrame.where()用法及代碼示例
- Python Pandas Series.add()用法及代碼示例
- Python Pandas.pivot_table()用法及代碼示例
- Python Pandas Series.mod()用法及代碼示例
- Python Pandas Dataframe.at[ ]用法及代碼示例
- Python Pandas Dataframe.iat[ ]用法及代碼示例
- Python Pandas.pivot()用法及代碼示例
- Python Pandas dataframe.mul()用法及代碼示例
- Python Pandas.melt()用法及代碼示例
注:本文由純淨天空篩選整理自Shubham__Ranjan大神的英文原創作品 Python | Pandas Series.quantile()。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。