假设这是我的数据框
x=[0.09, 0.95, 0.93, 0.93, 0.34, 0.29, 0.14, 0.23, 0.91, 0.31, 0.62,
0.29, 0.71, 0.26, 0.79, 0.3 , 0.1 , 0.73, 0.63, 0.61]
x=pd.DataFrame(x)
当我们x.describe()这个数据框我们得到这样的结果
>>> x.describe()
0
count 20.000000
mean 0.50800
std 0.30277
min 0.09000
25% 0.28250
50% 0.47500
75% 0.74500
max 0.95000
25,50 和 75 个百分位值是什么意思？是不是说 x 中 25% 的值小于 0.28250？
它描述了数据的分布：50 应该是描述数据“中间”的值，也称为中位数。25、75是数据上/下四分之一的边界。您可以了解数据的偏差程度。请注意，平均值高于中位数，这意味着您的数据是右偏的。
尝试：
import pandas as pd
x=[1,2,3,4,5]
x=pd.DataFrame(x)
x.describe()
首先，看起来，描述表不是您的数组 x 的描述。
然后，您需要对数组 (x) 进行排序，然后计算百分比的位置（在.describe方法 p 中为 0.25、0.5 和 0.75），
在你的例子中：
sorted_x = [0.09, 0.1 , 0.14, 0.23, 0.26, 0.29, 0.29, 0.3 , 0.31, 0.34, 0.61, 0.62, 0.63, 0.71, 0.73, 0.79, 0.91, 0.93, 0.93, 0.95]
当我们将列表划分为 25% 和 75% 时，可以获得位于第 25% 的元素，|这里显示的是 25%：
sorted_x = [0.09, 0.1 , 0.14, 0.23, 0.26,**|** 0.29, 0.29, 0.3 , 0.31, 0.34, 0.61, 0.62, 0.63, 0.71, 0.73, 0.79, 0.91, 0.93, 0.93, 0.95]
所以该值计算为这等于
一般来说 ，百分位数为您提供位于该数据百分比中的实际数据（无疑是在数组排序之后）