如何解释 pandas 四分位数？
How can I interpret the pandas quartiles?
我有一个 pandas 数据框 df，其中有一列 A。 A 的值基于预测，我强制它们大于或等于 0.00000001。
现在当我 运行 df.A.describe() 我得到：
count 3.900000e+02
mean 1.047049e-05
std 7.774749e-05
min 1.000000e-08
25% 1.000000e-08
50% 1.000000e-08
75% 1.000000e-08
max 1.008428e-03+
按照我的理解，这意味着我的 A 值中至少有 75% 等于 0.0000001。
然而，当我 运行 x = len(df.loc[df['A'] == 0.00000001]) 我得到 x = 207 和 207/390 < 0.75。
我不应该得到一个大于 292 (390*0.75 = 292.5) 的 x 值吗？
对于可能 运行 遇到类似问题的任何人，我找到了答案：
我的 df 中只有 207 个值 df.A == 0.00000001。然而，也有一些值略大（例如 df.A == 0.0000000100000000001）。因此，即使这些值不完全等于 0.00000001，当我打印 df 或请求 df.A.describe() 时，它们显示为 0.00000001，因为差异很小。
我有一个 pandas 数据框 df，其中有一列 A。 A 的值基于预测，我强制它们大于或等于 0.00000001。
现在当我 运行 df.A.describe() 我得到：
count 3.900000e+02
mean 1.047049e-05
std 7.774749e-05
min 1.000000e-08
25% 1.000000e-08
50% 1.000000e-08
75% 1.000000e-08
max 1.008428e-03+
按照我的理解，这意味着我的 A 值中至少有 75% 等于 0.0000001。
然而，当我 运行 x = len(df.loc[df['A'] == 0.00000001]) 我得到 x = 207 和 207/390 < 0.75。
我不应该得到一个大于 292 (390*0.75 = 292.5) 的 x 值吗？
对于可能 运行 遇到类似问题的任何人，我找到了答案：
我的 df 中只有 207 个值 df.A == 0.00000001。然而，也有一些值略大（例如 df.A == 0.0000000100000000001）。因此，即使这些值不完全等于 0.00000001，当我打印 df 或请求 df.A.describe() 时，它们显示为 0.00000001，因为差异很小。