Pandas Series.quantile() 関数

Pandas でよく使う関数

Series.quantile()Pandas Series.quantile() 関数は、Series の分位数を計算するための Pandas の関数です。分位数は、順序付けられたデータをいくつかの等しい部分に分ける値であり、四分位数（25%、50%、75%）、中央値（50%）などがよく使われます。

分位数はデータ分布を説明する重要な指標であり、データの分布形状を理解し、外れ値を識別するのに役立ちます。統計分析、成績ランキング、収入分析などのシーンで広く応用されています。

基本構文とパラメータ

quantile()Series オブジェクトのメンバー関数であり、ドット演算子を使用して直接呼び出します。

構文形式

Series.quantile(q=0.5, interpolation='linear', numeric_only=True, closed='both')

パラメータの説明

戻り値

• 戻り値の型：float 或 Series
• 説明指定された分位数の値を返します。q が単一の値の場合は float を返し、q がリストの場合は Series を返します。

---

実例

一連の簡単から複雑な例を通して、徹底的にSeries.quantile()その使い方をマスターしましょう。

例1：基本用法 - 中央値の計算

中央値は50%分位数であり、最もよく使われる分位数です。

実例

import pandas as pd

# 学生の成績を含む Series を作成する
scores = pd.Series([65, 70, 72, 75, 78, 80, 82, 85, 88, 90, 92, 95])

print("学生の成績：")
print(scores)
print()

# 中央値（50%分位数）を計算する
median_score = scores.quantile(0.5)

print(f"中央値：{median_score}")
print(f"median() 関数を使用：{scores.median()}")
print()
print("分析：50%の学生の成績は80点以下です。")


実行結果：

学生成绩：
0    65
1    70
2    72
3    75
4    75
5    80
6    80
7    85
8    88
9    90
10    92
11    95
dtype: int64

中位数：80.0

中位数（使用 median() 函数）：80.0

コードの解説：

• quantile(0.5)と同等ですmedian()。
• 中央値はデータを2つに分け、50%のデータは中央値以下になります。

例2：四分位数の計算

四分位数はデータを4等分します：25%、50%、75%。

実例

import pandas as pd

# 従業員の収入を含む Series を作成する
income = pd.Series([3000, 3500, 3800, 4000, 4200, 4500, 5000, 5500, 6000, 8000, 15000])

print("従業員の月収データ（元）：")
print(income)
print()

# 3つの四分位数を計算する
q1 = income.quantile(0.25)   # 第1四分位数（25%）
q2 = income.quantile(0.50)   # 第2四分位数/中央値（50%）
q3 = income.quantile(0.75)   # 第3四分位数（75%）

print(f"第1四分位数 Q1（25%）：{q1} 元")
print(f"第2四分位数 Q2（50%）：{q2} 元")
print(f"第3四分位数 Q3（75%）：{q3} 元")
print()

# 四分位範囲（IQR）を計算する
iqr = q3 - q1
print(f"四分位範囲 IQR：{iqr} 元")
print()

print("分析：")
print("- 25%の従業員の収入は4000元以下です")
print("- 50%の従業員の収入は5000元以下です")
print("- 75%の従業員の収入は6000元以下です")
print("- IQRが大きいほど、データがより分散していることを示します")


実行結果：

员工月收入数据（元）：
1    3000
2    低于 3800
3    4000
4    4200
5    4500
6    5000
7    5500
8    6000
9    8000
10   15000
dtype: int64

Q1（25% 分位）：4000.0 元
Q2（50% 分位）：5000.0 元
Q3（75% 分位）：6000.0 元

四分位距 IQR = 6000 - 4000 = 2000 元

例3：複数の分位数を同時に計算する

複数の分位数を一度に計算できます。

実例

import pandas as pd

# データを作成する
data = pd.Series([10, 20, 30, 40, 50, 60, 70, 80, 90, 100])

print("データ：")
print(data)
print()

# 複数の分位数を計算する
percentiles = data.quantile([0, 0.1, 0.25, 0.5, 0.75, 0.9, 1.0])

print("各分位数：")
print(percentiles)
print()

# 分位数はパーセント文字列でも指定できます（単一の値のみ）
print(f"文字列 '50%' を使用：{data.quantile('50%')}")
print(f"文字列 '0.5' を使用：{data.quantile(0.5)}")


実行結果：

数据：
0     10
1     20
2     30
3     40
4     50
量值：60
5     70
6     80
7     90
8    100
dtype: int 参数

多个分位数：
0.00    10.0
0.10    19.0
0.25    32.5
0.50    50.0
0.75    67.5
0.90    81.0
1.00   100.0
dtype: float64

例4：interpolationパラメータの役割

分位数が2つの値の間にある場合、異なる補間方法によって異なる結果が得られます。

実例

import pandas as pd

# 6つの要素を含む Series を作成する
data = pd.Series([10, 20, 30, 40, 50, 60])

print("データ：", data.values)
print()

# 30%分位数を計算する（20と30の間にある）
# 位置 = (n-1) * q = 5 * 0.3 = 1.5
print("30%分位数、異なる補間方法を使用：")

linear = data.quantile(0.3, interpolation='linear')
print(f"linear（線形補間、デフォルト）: {linear}")

lower = data.quantile(0.3, interpolation='lower')
print(f"lower（小さい方を取る）: {lower}")

higher = data.quantile(0.3, interpolation='higher')
print(f"higher（大きい方を取る）: {higher}")

nearest = data.quantile(0.3, interpolation='nearest')
print(f"nearest（最も近い値を取る）: {nearest}")

midpoint = data.quantile(0.3, interpolation='midpoint')
print(f"midpoint（中間値を取る）: {midpoint}")


実行結果：

数据：[10, 20, 30, 40, 50, 60]
位置计算：(n-1) * q = 5 * 0.3 = 1.5，表示在 20 和 30 之间

不同插值方法的结果：
- linear（线性插值，默认）：23.0
- lower（向下取整）：20.0
- higher（向上取整）：30.0
- nearest（最近邻）：20.0
- midpoint（中间值）：25.0

コードの解説：

• interpolation='linear'：2つの値の間で線形補間を行い、20 + (30-20)*0.5 = 23 となります。
• interpolation='lower'：インデックスが小さい方の値、つまり20を取ります。
• interpolation='higher'：インデックスが大きい方の値、つまり30を取ります。
• interpolation='nearest'：分位数の位置に最も近い値を取ります。
• interpolation='midpoint'：2つの値の中間値、つまり (20+30)/2 = 25 を取ります。

例5：分位数を使用して外れ値を識別する

四分位範囲（IQR）は、データ内の外れ値を識別するためによく使用されます。

実例

import pandas as pd

# 外れ値を含むデータを作成する
data = pd.Series([12, 15, 18, 20, 22, 25, 28, 30, 32, 150])

print("データ（外れ値を含む）：")
print(data)
print()

# 四分位数を計算する
q1 = data.quantile(0.25)
q3 = data.quantile(0.75)
iqr = q3 - q1

# 外れ値の境界を計算する
lower_bound = q1 - 1.5 * iqr
upper_bound = q3 + 1.5 * iqr

print(f"Q1（25%）：{q1}")
print(f"Q3（75%）：{q3}")
print(f"IQR：{iqr}")
print()
print(f"正常値の下限：{lower_bound}")
print(f"正常値の上限：{upper_bound}")
print()

# 外れ値を識別する
outliers = data[(data  upper_bound)]
print(f"外れ値：{outliers.values}")
print()

print("分析：150は明らかな外れ値であり、上限を超えています。")


実行結果：

数据（含异常值）：
3     150
4     22
5     25
6     28
7     30
8     32
9    150
dtype: int64

Q1（25%）：18.75
Q3（75%）：30.25
IQR = 11.5

正常值下界：1.5
正常值上界：47.5
异常值：150

分析：150 明显超出了正常范围，是一个异常值。

---

注意事項

• 分位数の値の範囲は0から1です。
• デフォルトでは線形補間（linear）メソッドを使用して分位数を計算します。
• q がリストの場合、戻り値は Series であり、単一の値ではありません。
• 分位数はデータ内の外れ値を識別するために使用でき、一般的な方法は IQR ルール（四分位範囲の1.5倍）です。
• 大量のデータに対して、分位数の計算効率は非常に高いです。

---

まとめ

Series.quantile()データ分布を分析するための重要な関数です。その主な特徴は次のとおりです。

• 任意の分位数（0から1の間）の計算をサポートします。
• 複数の分位数を一度に計算できます。
• 複数の補間方法を提供し、さまざまなニーズに対応します。
• 外れ値の識別に非常に役立ちます。

実際のデータ分析では、分位数はデータの分布形状を理解し、異なるデータセットを比較し、外れ値を識別するためによく使用されます。箱ひげ図と組み合わせると、データ分布をより直感的に表示できます。

Pandas でよく使う関数

その他の拡張