概念

分位数就是可以将数据 等分若干份的数

举例

一组数据

11,33,22,66,55,77

从小到大排序后

11,22,33,55,66,77

求概率为q的分位数

q : float or array-like, default 0.5 (50% quantile)
            0 <= q <= 1, the quantile(s) to compute.

第一种情况
按照指定概率点（0.4），我们要在这组数据中找到一个数，小于该数的数至少占总数的40%，大于该数的数至多占总数的60%
因为这组数据有6个数，所以设中位数为x
1. <=x的个数6*40%=2.4 取3 [11,22,33] 取33
2. >x的个数6*60%=3.6个学生，取整4个[33,55,66,77]取33
  两个的交集刚好是数33，所以33是分位数
第二种情况
1. <=x的个数6*50%=3 取3个[11,22,33] 取33
2. >x 的个数6%50%=3 取3个[55,66,77] 取55
  不同则取平均数即（33+55）/2=44

python 示例

import pandas as pd
quantile_count=[11,33,22,66,55,77]
quantile_mapping= pd.qcut(quantile_count,2,labels=False)
print("quantile count data")
print(quantile_count)
print("quantile mapping")
print(quantile_mapping)
#将一维数据转成一列矩阵
print("series")
series=pd.Series(quantile_count)
print(series)
quantile_result=series.quantile([0.1,0.2,0.3,0.4,0.5])
print("quantile result")
print(quantile_result)

运行结果

quantile count data
[11, 33, 22, 66, 55, 77]
quantile mapping
[0 0 0 1 1 1]
series
0    11
1    33
2    22
3    66
4    55
5    77
dtype: int64
quantile result
0.1    16.5
0.2    22.0
0.3    27.5
0.4    33.0 *
0.5    44.0 *
dtype: float64