quantile() 函数

Series. quantile ( q=0.5,  interpolation='linear' )

Parameters:

q : float or array-like, default 0.5 (50% quantile) 0 <= q <= 1, the quantile(s) to compute interpolation : {‘linear’, ‘lower’, ‘higher’, ‘midpoint’, ‘nearest’} New in version 0.18.0. This optional parameter specifies the interpolation method to use, when the desired quantile lies between two data points i and j: linear: i + (j - i) * fraction, where fraction is the fractional part of the index surrounded by i and j. lower: i. higher: j. nearest: i or j whichever is nearest. midpoint: (i + j) / 2.

Returns:

quantile : float or Series if q is an array, a Series will be returned where the index is q and the values are the quantiles.

- q : float or array-like, default 0.5 (50% quantile 即中位数-第2四分位数)
0 <= q <= 1, the quantile(s) to compute


- axis : {0, 1, ‘index’, ‘columns’} (default  0)
0 or ‘index’ for row-wise, 1 or ‘columns’ for column-wise

- interpolation（插值方法） : {‘linear’, ‘lower’, ‘higher’, ‘midpoint’, ‘nearest’}

当选中的分为点位于两个数数据点 i and j 之间时:
    linear: i + (j - i) * fraction, fraction由计算得到的pos的小数部分（可以通过下面一个例子来理解这个fraction）；
    lower: i.
    higher: j.
    nearest: i or j whichever is nearest.

    midpoint: (i + j) / 2.

统计学上的四分为函数

原则上q是可以取0到1之间的任意值的。但是有一个四分位数是q分位数中较为有名的。

所谓四分位数；即把数值由小到大排列并分成四等份，处于三个分割点位置的数值就是四分位数。

• 第1四分位数 (Q1)，又称“较小四分位数”，等于该样本中所有数值由小到大排列后第25%的数字。
• 第2四分位数 (Q2)，又称“中位数”，等于该样本中所有数值由小到大排列后第50%的数字。
• 第3四分位数 (Q3)，又称“较大四分位数”，等于该样本中所有数值由小到大排列后第75%的数字。

第3四分位数与第1四分位数的差距又称四分位距（InterQuartile Range,IQR）

当q=0.25 0.5 0.75 时，就是在计算四分位数。

Return value at the given quantile, a la numpy.percentile

DataFrame. quantile ( q=0.5,  axis=0,  numeric_only=True )

Parameters:	q : float or array-like, default 0.5 (50% quantile) 0 <= q <= 1, the quantile(s) to compute axis : {0, 1, ‘index’, ‘columns’} (default 0) 0 or ‘index’ for row-wise, 1 or ‘columns’ for column-wise
Returns:	quantiles : Series or DataFrame If q is an array, a DataFrame will be returned where the index is q, the columns are the columns of self, and the values are the quantiles. If q is a float, a Series will be returned where the index is the columns of self and the values are the quantiles.

Return values at the given quantile over requested axis, a la numpy.percentile.

相关阅读：

https://www.zhihu.com/question/58421946

.