当我们描述分组数据框时，25%、50%、75% 值是什么？

Question

我正在浏览 pandas groupby 文档，当我在特定列上进行 groupby 时，如下所示：

df：

     A      B         C         D
0  foo    one -0.987674  0.039616
1  bar    one -0.653247 -1.022529
2  foo    two  0.404201  1.308777
3  bar  three  1.620780  0.574377
4  foo    two  1.661942  0.579888
5  bar    two  0.747878  0.463052
6  foo    one  0.070278  0.202564
7  foo  three  0.779684 -0.547192

grouped=df.groupby('A')
grouped.describe(A)

给予

              C                      ...         D                    
          count      mean       std  ...       50%       75%       max
A   B                                ...                              
bar one     1.0  0.224944       NaN  ...  1.107509  1.107509  1.107509
    three   1.0  0.704943       NaN  ...  1.833098  1.833098  1.833098
    two     1.0 -0.091613       NaN  ... -0.549254 -0.549254 -0.549254
foo one     2.0  0.282298  1.554401  ... -0.334058  0.046640  0.427338
    three   1.0  1.688601       NaN  ... -1.457338 -1.457338 -1.457338
    two     2.0  1.206690  0.917140  ... -0.096405  0.039241  0.174888

描述时25%、50%、75%代表什么？ 请解释一下吗？

Answer 1

简单来说...

您将看到百分位数（25％、50％、75％..等）和它们前面的一些值。

意义在于告诉你你的数据的分布。

例如：

s = pd.Series([1, 2, 3, 1])

s.describe()   will give

count    4.000000
mean     1.750000
std      0.957427
min      1.000000
25%      1.000000
50%      1.500000
75%      2.250000
max      3.000000

25% 表示 25% 的数据的值为 1.0000 或以下。也就是说，如果你手动查看你的数据，其中 25% 小于或等于 1。（如果你查看我们的数据 [1, 2, 3, 1]，你就会同意这一点。[1] 是25% 的数据小于或等于 1。

50% 表示 50% 的数据的值为 1.5 或更低。 [1, 1] 构成 50% 的数据小于或等于 1.5。

75% 表示 75% 的数据的值为 2.25 或更低。 [1, 2, 1] 占 75% 的数据小于或等于 2.25。

Answer 2

要解释最小值、25%、50%、75% 和最大值，请想象将每列从最低值到最高值排序。第一个（最小）值是最小值。如果您浏览列表的四分之一，您会发现一个大于值的 25% 且小于值的 75% 的数字。即 25% 的值（发音为“25%”）。第 50 个和第 75 个百分位数的定义类似，max 是最大的数字。

Answer 3

您可以测试

DataFrameGroupBy.describe

：

注释：

对于数值数据，结果的索引将包括计数、平均值、标准差、最小值、最大值以及下百分位数、50 分位数和上百分位数。 默认情况下，下百分位数为 25，上百分位数为 75。 第 50 个百分位数与中位数相同。

---

你能解释一下上面的 foo-one 值吗？

它被称为

Mulitindex

：

分层/多级索引非常令人兴奋，因为它为一些相当复杂的数据分析和操作打开了大门，特别是对于处理更高维度的数据。从本质上讲，它使您能够在较低维度的数据结构（如 Series (1d) 和 DataFrame (2d)）中存储和操作任意数量的维度的数据。

grouped=df.groupby(['A', 'B'])
df = grouped.describe()

print (df.index)
MultiIndex([('bar',   'one'),
            ('bar', 'three'),
            ('bar',   'two'),
            ('foo',   'one'),
            ('foo', 'three'),
            ('foo',   'two')],
           names=['A', 'B'])

print (df.columns)
MultiIndex([('C', 'count'),
            ('C',  'mean'),
            ('C',   'std'),
            ('C',   'min'),
            ('C',   '25%'),
            ('C',   '50%'),
            ('C',   '75%'),
            ('C',   'max'),
            ('D', 'count'),
            ('D',  'mean'),
            ('D',   'std'),
            ('D',   'min'),
            ('D',   '25%'),
            ('D',   '50%'),
            ('D',   '75%'),
            ('D',   'max')],
           )

print (df.loc[('foo','one'), ('C', '75%')])
-0.19421

Answer 4

_{老问题，但添加答案以便人们可以找到帮助：}

在我带注释的 Pandas 书籍版本中，我解释了

.describe()

输出中 25%、50% 和 75% 值的重要性，这恰好回答了问题：附：

如果有人需要我的注释版本，我可以分享。

Answer 5

您将看到数据框的分位数： https://en.wikipedia.org/wiki/Quantile

例如 25-%-Quantil：

您所有值的 25% 低于该值

您的情况：

A= 条
B=一

75% 分位数为 1.107509，这意味着组中 D 类数据条目（条形和一）的 75% 低于此值。

Answer 6

百分位数在统计中用于为您提供一个数字，该数字描述值列表中给定百分比的值低于的值。