四分位极差python

四分位极差（Interquartile Range, IQR）是描述统计学中的一个概念，用于衡量数据的离散程度，它表示第一四分位数（Q1，即25%的数据小于该值）与第三四分位数（Q3，即75%的数据小于该值）之间的差值。四分位极差越大，表示数据的离散程度越高。

在Python中，可以使用NumPy库或Pandas库来计算四分位极差。以下是一个使用Pandas计算四分位极差的示例：

import pandas as pd

# 假设我们有一组数据存储在DataFrame的某一列中
data = {'values': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]}
df = pd.DataFrame(data)

# 计算第一四分位数（Q1）和第三四分位数（Q3）
Q1 = df['values'].quantile(0.25)
Q3 = df['values'].quantile(0.75)

# 计算四分位极差（IQR）
IQR = Q3 - Q1

print(f'第一四分位数（Q1）: {Q1}')
print(f'第三四分位数（Q3）: {Q3}')
print(f'四分位极差（IQR）: {IQR}')

使用NumPy计算四分位极差的方法类似，但需要先导入NumPy库，并使用`numpy.percentile()`函数来获取四分位数：

import numpy as np

# 假设我们有一组数据
data = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

# 计算第一四分位数（Q1）和第三四分位数（Q3）
Q1 = np.percentile(data, 25)
Q3 = np.percentile(data, 75)

# 计算四分位极差（IQR）
IQR = Q3 - Q1

print(f'第一四分位数（Q1）: {Q1}')
print(f'第三四分位数（Q3）: {Q3}')
print(f'四分位极差（IQR）: {IQR}')