pandas DataFrame
と呼ばれるdata
と呼ばれる列を持つms
があります。data.ms
は95%パーセンタイルを超えています。今のところ、私はこれをやっています:
limit = data.ms.describe(90)['95%']
valid_data = data[data['ms'] < limit]
動作しますが、それを任意のパーセンタイルに一般化したいです。それを行う最良の方法は何ですか?
Series.quantile()
メソッドを使用します。
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
df
の行を除外するにはdf.a
は、95番目の百分位数以上です。
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はPandasよりもはるかに高速です。
numpy.percentile(df.a,95) # attention : the percentile is given in percent (5 = 5%)
は同等ですが、次の3倍の速度です。
df.a.quantile(.95) # as you already noticed here it is ".95" not "95"
あなたのコードのために、それは与える:
df[df.a < np.percentile(df.a,95)]