Устранение всех данных по данному процентили

У меня есть pandas DataFrame, называемый data с столбцом с именем ms. Я хочу исключить все строки, где data.ms выше 95% процентиля. Пока я делаю это:

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

который работает, но я хочу обобщить это на любой процентиль. Какой лучший способ сделать это?

Ответ 1

Используйте метод Series.quantile():

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

Чтобы отфильтровать строки df, где df.a больше или равно 95-му процентилю, выполните:

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

Ответ 2

numpy намного быстрее, чем Pandas для таких вещей:

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

эквивалентен, но в 3 раза быстрее, чем:

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

поэтому для вашего кода он дает:

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