pandas 使用哪种方法计算百分位数？
Which method does pandas use for percentile?
我试图理解 pandas 中的 lower/upper 百分位数计算，但有点困惑。这是它的示例代码和输出。
test = pd.Series([7, 15, 36, 39, 40, 41])
test.describe()
输出：
我只对 25%、75% 的百分位数感兴趣。
请问pandas是用什么方法计算的？
参考https://en.wikipedia.org/wiki/Quartile文章，结果不同如下：
那么 statistical/mathematical pandas 使用什么方法来计算百分位数？
如果未提供，它会执行 [series.quantile(x) for x in percentiles]，其中百分位数为 percentiles = np.array([0.25, 0.5, 0.75])。
您可以在 pandas/pandas/core/generic.py
中看到
所以它正在使用：http://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.quantile.html
正如我在评论中提到的那样，我终于弄清楚了它是如何工作的，方法是尝试 from pandas.core.algorithms import quantile 使用 quantile 函数，正如@Abdou 建议的那样。
我不太好只通过打字来解释它，因此我将只在给定的示例中进行 25% 和 75% 的示例。这是简短的（可能很差）解释：
对于示例列表 [7, 15, 36, 39, 40, 41] 分位数如下：
7 -> 0%
15 -> 20%
36 -> 40%
39 -> 60%
40 -> 80%
41 -> 100%
因为我们要找到25%的百分位数，所以它会在15和36之间，而且是20% + 5% = 15 + (36-15)/4 = 15 + 5.25 = 20.25。
使用(36-15)/4，因为15和36的距离是40% - 20% = 20%，所以我们除以4得到5%。
同样的方法我们可以找到 75%。
60% + 15% = 39 + 3*(40-39)/4 = 39.75
就是这样。实在抱歉解释不当
注意：感谢@shin 评论中提到的更正。
我试图理解 pandas 中的 lower/upper 百分位数计算，但有点困惑。这是它的示例代码和输出。
test = pd.Series([7, 15, 36, 39, 40, 41])
test.describe()
输出：
我只对 25%、75% 的百分位数感兴趣。 请问pandas是用什么方法计算的？
参考https://en.wikipedia.org/wiki/Quartile文章，结果不同如下：
那么 statistical/mathematical pandas 使用什么方法来计算百分位数？
如果未提供，它会执行 [series.quantile(x) for x in percentiles]，其中百分位数为 percentiles = np.array([0.25, 0.5, 0.75])。
您可以在 pandas/pandas/core/generic.py
中看到所以它正在使用：http://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.quantile.html
正如我在评论中提到的那样，我终于弄清楚了它是如何工作的，方法是尝试 from pandas.core.algorithms import quantile 使用 quantile 函数，正如@Abdou 建议的那样。
我不太好只通过打字来解释它，因此我将只在给定的示例中进行 25% 和 75% 的示例。这是简短的（可能很差）解释：
对于示例列表 [7, 15, 36, 39, 40, 41] 分位数如下：
7 -> 0%
15 -> 20%
36 -> 40%
39 -> 60%
40 -> 80%
41 -> 100%
因为我们要找到25%的百分位数，所以它会在15和36之间，而且是20% + 5% = 15 + (36-15)/4 = 15 + 5.25 = 20.25。
使用(36-15)/4，因为15和36的距离是40% - 20% = 20%，所以我们除以4得到5%。
同样的方法我们可以找到 75%。
60% + 15% = 39 + 3*(40-39)/4 = 39.75
就是这样。实在抱歉解释不当
注意：感谢@shin 评论中提到的更正。