pandas.core.groupby.DataFrameGroupBy.quantile

DataFrameGroupBy.quantile

Возвращает значения в заданном квантиле по указанной оси, аналогично numpy.percentile.

Параметры:

q : float или массив, по умолчанию 0,5 (50% квантиль) 0 <= q <= 1, квантиль(и) для вычисления axis : {0, 1, ‘index’, ‘columns’} (по умолчанию 0) 0 или ‘index’ для строчных вычислений, 1 или ‘columns’ для столбцовых вычислений numeric_only : boolean, по умолчанию True Если False, квантиль даты и времени будет вычисляться тоже interpolation : {‘linear’, ‘lower’, ‘higher’, ‘midpoint’, ‘nearest’} Добавлен в версии 0.18.0. Этот необязательный параметр указывает метод интерполяции для использования, когда желаемый квантиль находится между двумя точками данных i и j: linear: i + (j - i) * fraction, где fraction - дробная часть индекса, окруженная i и j. lower: i. higher: j. nearest: i или j, которое ближе всего. midpoint: (i + j) / 2.

Возвращает:

quantiles : Series или DataFrame Если q это массив, будет возвращён DataFrame, где индекс - q, столбцы - столбцы self, а значения - квантили. Если q это число с плавающей точкой, будет возвращена Series, где индекс - столбцы self, а значения - квантили.

См. также

pandas.core.window.Rolling.quantile

Примеры

>>> df = pd.DataFrame(np.array([[1, 1], [2, 10], [3, 100], [4, 100]]),
                      columns=['a', 'b'])
>>> df.quantile(.1)
a    1.3
b    3.7
dtype: float64
>>> df.quantile([.1, .5])
       a     b
0.1  1.3   3.7
0.5  2.5  55.0

Указание numeric_only=False также вычислит квантиль данных типа datetime и timedelta.

>>> df = pd.DataFrame({'A': [1, 2],
                       'B': [pd.Timestamp('2010'),
                             pd.Timestamp('2011')],
                       'C': [pd.Timedelta('1 days'),
                             pd.Timedelta('2 days')]})
>>> df.quantile(0.5, numeric_only=False)
A                    1.5
B    2010-07-02 12:00:00
C        1 days 12:00:00
Name: 0.5, dtype: object