消除超过给定百分比的所有数据

Question

我有一个名为DataFrame的pandasdata和一个名为ms的列。我想删除data.ms高于95%的所有行。现在，我要做的是：

limit = data.ms.describe(90)['95%']
valid_data = data[data['ms'] < limit]

但我想把它推广到任何百分位数。最好的办法是什么？

Answer 1

使用^{}方法：

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

要筛选出df行，其中df.a大于或等于第95个百分点do：

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

Answer 2

在这类事情上，numpy比熊猫快得多：

numpy.percentile(df.a,95) # attention : the percentile is given in percent (5 = 5%)

相当于但比以下速度快3倍：

df.a.quantile(.95)  # as you already noticed here it is ".95" not "95"

所以对于你的代码，它给出了：

df[df.a < np.percentile(df.a,95)]