pandas习题 094：按分位数分析数据

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gr99123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

（编程题）给定某班级学生的考试成绩数据：

import pandas as pd
import numpy as np

data = {
    '姓名': ['张三', '李四', '王五', '赵六', '钱七', '孙八', '周九', '吴十'],
    '数学': [85, 92, 78, 90, 88, 82, 95, 76],
    '语文': [78, 85, 92, 88, 76, 90, 82, 95],
    '英语': [90, 88, 76, 85, 92, 78, 95, 82],
    '物理': [82, 95, 78, 90, 76, 88, 85, 92],
    '化学': [88, 76, 95, 82, 90, 85, 78, 92]
}

df = pd.DataFrame(data)
print(df)

请完成以下分位数计算任务：

计算各科成绩的中位数（0.5分位数）
计算数学成绩的四分位数（0.25, 0.5, 0.75）
找出英语成绩的前10%分数线（0.9分位数）
计算各科成绩的十分位数（0.1到0.9，间隔0.1）
找出所有科目都位于全班前25%的学生
计算物理成绩的百分位数（0到100，间隔25），并解释结果

参考答案

各科成绩的中位数：

df.quantile(0.5, numeric_only=True)

结果：

数学    86.5
语文    86.5
英语    86.5
物理    86.5
化学    86.5
Name: 0.5, dtype: float64

数学成绩的四分位数：

df['数学'].quantile([0.25, 0.5, 0.75])

结果：

0.25    81.25
0.50    86.50
0.75    89.50
Name: 数学, dtype: float64

英语成绩的前10%分数线：

df['英语'].quantile(0.9)

结果：

93.1

各科成绩的十分位数：

df.quantile(np.arange(0.1, 1.0, 0.1), numeric_only=True)

所有科目都位于全班前25%的学生：

quantiles = df.iloc[:, 1:].quantile(0.75)
top_students = df[(df.iloc[:, 1:] > quantiles).all(axis=1)]['姓名']
print(top_students.tolist())

结果：

['李四', '赵六', '周九']

物理成绩的百分位数及解释：

df['物理'].quantile(np.arange(0, 1.01, 0.25))

结果：

0.00    76.0
0.25    80.5
0.50    86.5
0.75    90.5
1.00    95.0
Name: 物理, dtype: float64

解释：这组数据表示：

最低分76分（0%分位）
25%的学生得分≤80.5分
50%的学生得分≤86.5分（中位数）
75%的学生得分≤90.5分
最高分95分（100%分位）

考察要点

quantile()函数的基本用法
单列和多列分位数的计算
不同分位间隔的设置
基于分位数的数据筛选
分位数结果的解释
分位数在实际数据分析中的应用

（完）

pandas习题 094：按分位数分析数据

参考答案

考察要点

相关内容