Pandas TI nspire python计算中的不同Q1和Q3值

我使用Numpy/Pandas和TI nspire计算了上四分位（Q3或75%瓷砖）和下四分位（Q1或25%瓷砖）。但我有不同的价值观。为什么会发生这种情况

从（5+8）/2=6.5和（18+21）/2=19.5，Numpy/Q1和Q3是错误的。为什么Numpy/Pandas返回错误的号码

import numpy as np

data=np.array([2,4,5,8,10,11,12,14,17,18,21,22,25])

q75, q25 = np.percentile(data, [75 ,25])
print(q75,q25)


df=pd.DataFrame(data)
df.describe()

Numpy返回18.0和8.0。 熊猫返回18.0和8.0。 但TI nspire返回19.5和6.5

这个和这个帮助我理解了它

所以如果你有[7,15,36,39,40,41]，那么7->0%，15->20%，36->40%，39->60%，40->80%，41->100%

插值的默认值为线性。所以它使用i+（j-i）*分数。可以将插值设置为计算（i+j）/2的中点

输出：


所以我发现在熊猫/Numpy中找不到确切的Q1和Q3作为TI-nspire。
你正在享受。他们都是对的

与大多数其他描述符不同，Q1和Q3有几种不同的定义。对于具有大量观测值的数据集，不同的定义将给出大致相同的结果。对于小型数据集，您将看到不同之处—正如您所经历的那样

Mathword列出了5（5！）种计算四分位数的不同方法。
请参见
可能的帮助
import numpy as np

data=np.array([7,15,36,39,40,41])
linear = np.percentile(data, [25, 50, 75], interpolation='linear')
mid = np.percentile(data, [25, 50, 75], interpolation='midpoint')
low = np.percentile(data, [25, 50, 75], interpolation='lower')
high = np.percentile(data, [25, 50, 75], interpolation='higher')
nearest = np.percentile(data, [25, 50, 75], interpolation='nearest')
print(linear,mid,low,high,nearest)
print(15,37.5,40)