问熊猫是不是出现了错误的百分位数？

EN

估计分位数的方法有多种。

175.0 vs 176.5涉及两种不同的方法：

1. 包括Q1 (这将给出176.5)和
2. 不包括Q1(提供175.0)。

估计值如下所示

#1
h = (N − 1)*p + 1 #p being 0.25 in your case
Est_Quantile =  x⌊h⌋ + (h − ⌊h⌋)*(x⌊h⌋ + 1 − x⌊h⌋)

#2
h = (N + 1)*p   
x⌊h⌋ + (h − ⌊h⌋)*(x⌊h⌋ + 1 − x⌊h⌋) 

这是一个统计问题。百分位数有很多定义。以下是在计算第25百分位数索引时添加1的原因：

一个直观的答案是，数字1到n的平均值不是n/2，而是(n+1)/2，这给了你一个提示，简单地使用p*n会产生稍微太小的值。

资源：

• 为什么在计算百分位数时增加一个观测值？
• 为什么在百分位数公式p(n+1)中加上一个？

这是因为在默认情况下，describe()会进行线性插值。

因此，pandas no 没有显示错误的百分位数。

(只是没有显示你想看到的百分位数)。

为了得到您期望的结果，您可以在.quantile()系列文章中使用Height，指定对'lower'的内插：

df = pd.read_csv('../input/WNBA Stats.csv')
df.Height.quantile(0.25,interpolation='lower') #interpolation lower to get what you expect

有关更多选项，请参见文档。

注意，作为@jpp said

百分位数有很多定义。

例如，您可以看到这个回答也是讨论了numpy和pandas百分位数计算之间的差异。