Pandas是否显示了错误的百分位数？

Question

我正在使用这个WNBA数据集（在此处）。我正在分析 Height 变量，以下是每个高度值的频率、累积百分比和累积频率的表格:

从这张表格中，我可以很容易地得出结论，第一个四分位数(第25个百分位数)不可能大于175。

然而，当我使用 Series.describe()函数时，我被告知第25个百分位数是176.5。为什么会这样呢？

wnba.Height.describe()
count    143.000000
mean     184.566434
std        8.685068
min      165.000000
25%      176.500000
50%      185.000000
75%      191.000000
max      206.000000
Name: Height, dtype: float64

- Alex

---

正如许多人所说，有很多方法可以获得百分位数。如果您需要获得175，您可以查看我的答案。 - David Leon

Answer 1

有多种方法可以估计分位数。
175.0和176.5是两种不同方法的比较：

1. 包括Q1（这给出了176.5）
2. 不包括Q1（给出175.0）

估计结果有以下差异：

#1
h = (N − 1)*p + 1 #p being 0.25 in your case
Est_Quantile =  x⌊h⌋ + (h − ⌊h⌋)*(x⌊h⌋ + 1 − x⌊h⌋)

#2
h = (N + 1)*p   
x⌊h⌋ + (h − ⌊h⌋)*(x⌊h⌋ + 1 − x⌊h⌋) 

- Gaurav Taneja

Answer 2

这是一个统计学问题。百分位有许多定义。以下是一个解释，为什么在计算第25个百分位指数时需要加1：

一个直观的答案是，数字1到n的平均值不是n/2，而是(n+1)/2。因此，这给你一个提示，简单地使用p*n将产生稍微偏小的值。

资源:

- 计算百分位数时为什么要加1？ - 为什么在百分位公式p(n+1)中要加一？

- jpp

Answer 3

那是因为默认情况下，describe() 进行线性插值。 所以，不，pandas 没有显示错误的百分位数（它只是没有显示您想要看到的百分位数）。 要得到您期望的结果，可以在 Height 系列上使用 .quantile()，并指定插值为 'lower'：

df = pd.read_csv('../input/WNBA Stats.csv')
df.Height.quantile(0.25,interpolation='lower') #interpolation lower to get what you expect

请参阅 文档 以获取更多选项。

---

请注意，正如@jpp所说：

百分位有许多定义

你可以看到这个答案, 它谈到了例如 numpy 和 pandas 计算百分位的差异。

- David Leon