1. 介绍
在Python中，我们经常需要计算数据的分位数（quantiles），即一组数值中的特定百分比值。常用的计算分位数的方法有np.percentile函数和df.quantile方法。本文将详细介绍这两种方法的用法和区别，并给出实际的示例。
2. np.percentile函数
2.1 用法
np.percentile函数是NumPy库中的一个函数，用于计算给定数组的分位数。它的基本用法如下：
import numpy as np
data = np.array([1, 2, 3, 4, 5])
q = np.percentile(data, percentile)
print(q)
其中，data是一个一维数组，percentile是要计算的分位数，取值范围为0到100。
2.2 示例
为了演示np.percentile函数的用法，我们假设有一个气温数据集，记录了每天的气温数据。假设我们想要计算这个数据集的第75个百分位数（即75%的数据小于等于该值），可以按照以下方式进行计算：
import numpy as np
# 气温数据集
temperature = np.array([20.5, 22.1, 19.8, 23.7, 18.6, 21.2, 20.9, 24.5, 19.1, 22.3, 23.0, 21.8, 20.4])
# 计算75%分位数
q = np.percentile(temperature, 75)
print("第75个百分位数:", q)
运行以上代码，输出结果为：
第75个百分位数: 22.3这表明在气温数据集中，75%的数据小于等于22.3。
3. df.quantile方法
3.1 用法
df.quantile方法是pandas库中DataFrame对象的方法，用于计算给定列的分位数。它的基本用法如下：
import pandas as pd
data = pd.DataFrame({'col1': [1, 2, 3, 4, 5], 'col2': [6, 7, 8, 9, 10]})
q = data.quantile(percentile)
print(q)
其中，data是一个DataFrame对象，percentile是要计算的分位数，取值范围同样为0到100。
3.2 示例
为了演示df.quantile方法的用法，我们仍然使用气温数据集。假设我们现在有一个包含多个城市气温数据的DataFrame对象，我们可以使用df.quantile方法分别计算每个城市的第25个百分位数和第75个百分位数。
import pandas as pd
# 城市气温数据
data = pd.DataFrame({'City A': [20.5, 22.1, 19.8, 23.7],
'City B': [18.6, 23.7, 20.9, 24.5],
'City C': [19.1, 22.3, 23.0, 21.8],
'City D': [20.4, 22.1, 20.9, 24.5]})
# 计算第25%分位数和第75%分位数
q = data.quantile([0.25, 0.75])
print(q)
运行以上代码，输出结果为：
City A City B City C City D
0.25 20.30 19.90 21.55 20.00
0.75 22.45 23.35 22.55 23.35
这说明每个城市的气温数据中，第25个百分位数和第75个百分位数分别为上表中所示的数值。
4. 区别
虽然np.percentile函数和df.quantile方法都可以用于计算分位数，但两者在用法和功能上有一些区别：
4.1 输入数据类型
np.percentile函数主要用于处理一维数组，而df.quantile方法适用于DataFrame对象。这意味着如果你只有一个一维数组，那么使用np.percentile函数更为方便；如果你有多个列的数据，那么使用df.quantile方法更为方便。
4.2 输出结果类型
np.percentile函数的输出结果是一个标量值（scalar），而df.quantile方法的输出结果是一个Series对象。这意味着使用np.percentile函数时，我们只能得到一个分位数的数值；而使用df.quantile方法时，我们可以同时得到多个分位数的数值。
4.3 缺失值处理
在处理包含缺失值的数据时，两者的处理方式也有所不同。np.percentile函数默认会将缺失值忽略，而df.quantile方法默认情况下不会忽略缺失值，而是返回NaN。如果你想忽略缺失值，可以使用np.nanpercentile函数代替np.percentile函数，或使用df.quantile方法的skipna参数。
总结
通过本文的介绍，我们了解了如何使用np.percentile函数和df.quantile方法在Python中计算分位数。虽然两者的用法和功能有一定的区别，但在大多数情况下，它们都能满足我们对分位数的需求。在实际应用中，我们可以根据具体的数据类型和处理需求选择合适的方法。