Ich habe eine Pandas DataFrame namens data mit einer Spalte namens ms. Ich möchte alle Zeilen eliminieren, in denen data.ms über dem 95% Perzentil liegt. Denn jetzt mache ich das:Eliminierung aller Daten über ein bestimmtes Perzentil
limit = data.ms.describe(90)['95%']
valid_data = data[data['ms'] < limit]
die funktioniert, aber ich möchte, dass zu jedem Perzentil verallgemeinern. Was ist der beste Weg, das zu tun?
die Series.quantile() Methode verwenden:
In [48]: cols = list('abc')
In [49]: df = DataFrame(randn(10, len(cols)), columns=cols)
In [50]: df.a.quantile(0.95)
Out[50]: 1.5776961953820687
Um Reihen von df herauszufiltern, wo df.a größer oder gleich dem 95. Perzentil ist zu tun:
In [72]: df[df.a < df.a.quantile(.95)]
Out[72]:
a b c
0 -1.044 -0.247 -1.149
2 0.395 0.591 0.764
3 -0.564 -2.059 0.232
4 -0.707 -0.736 -1.345
5 0.978 -0.099 0.521
6 -0.974 0.272 -0.649
7 1.228 0.619 -0.849
8 -0.170 0.458 -0.515
9 1.465 1.019 0.966
numpy ist viel schneller als Pandas für diese Art der Dinge:
numpy.percentile(df.a,95) # attention : the percentile is given in percent (5 = 5%)
ist gleichwertig, aber 3 mal schneller als:
df.a.quantile(.95) # as you already noticed here it is ".95" not "95"
so für Ihren Code, gibt es:
df[df.a < np.percentile(df.a,95)]
Pandas verwenden, wenn ich verschiedene col mit bestimmten Quantil vergleichen wollen, gibt es eine schnelle Methode ähnlich numpy Rundfunk? –
funktioniert es auch beim Entfernen über alle Spalten, d. H. 'Df [df