Python：使用statsmodels对Pandas数据帧中的NumPy数组进行百分位估计

在我的DataFrame（df.data）中有一列，其中每个条目都是一个1-D NumPy数组，我试图从中计算两个新列：一个是KDE估计的该数组的第25个百分位，另一个是以相同方式计算的第75个百分位。我尝试了以下方法：

df.data.apply(lambda x: pd.Series({'25th': get_25(x), '75th': get_75(x)}))

使用以下功能：

def get_25(data):
    KDE = kde.KDEUnivariate(data)
    KDE.fit()
    p25 = KDE.icdf(25.0)
    return p25

def get_75(GmSc):
    KDE = kde.KDEUnivariate(data)
    KDE.fit()
    p75 = KDE.icdf(75.0)
    return p75

我已经寻找类似的方法有一段时间了，但没有发现任何太有用的方法。我被困在这里了

---

编辑：很抱歉不清楚。我并没有试图返回数组中每个值的百分位数，而是根据数据帧中估计的内核数据密度返回某些百分位数的值。我是否正确使用我发布的代码

你的问题是什么？可能是@Kronos的复制品我不相信这是复制品。他想要的是KDE（核密度估计）的百分位数，而不是一个简单的百分位数。@JohnE我发现有趣的是，这三个问题：（；；）几乎同时出现，处理的似乎是同一个主题。@Kronos是的，我不确定与其他问题的关系是什么。。。这里的海报并没有明确说明问题出在代码的哪一部分（kde部分还是应用函数？）