计算Polars列中每行数据的分位数？Polars是否支持经验CDF？

Polars完全支持计算经验CDF（即每行数据对应的分位数位置），不需要依赖外部工具，有两种常用的内置实现方式：

方法1：使用ecdf()内置函数（推荐） #

Polars的表达式API提供了ecdf()方法，可直接返回列中每个值对应的经验累积分布函数值，也就是该值在数据集中的分位数位置。这个方法处理重复值时会自动采用合理的累积逻辑，使用起来最简洁。

示例代码：

import polars as pl

# 构造测试数据
df = pl.DataFrame({"value": [1, 2, 2, 3, 4, 5]})

# 添加经验分位数列
df = df.with_columns(
    empirical_quantile=pl.col("value").ecdf()
)

print(df)

输出结果：

shape: (6, 2)
┌───────┬──────────────────┐
│ value ┆ empirical_quantile │
│ ---   ┆ ---              │
│ i64   ┆ f64              │
╞═══════╪══════════════════╡
│ 1     ┆ 0.166667         │
│ 2     ┆ 0.5              │
│ 2     ┆ 0.5              │
│ 3     ┆ 0.666667         │
│ 4     ┆ 0.833333         │
│ 5     ┆ 1.0              │
└───────┴──────────────────┘

方法2：基于rank()函数手动计算 #

如果需要更灵活地控制排名逻辑（比如处理重复值的方式），可以用rank()函数结合归一化实现：

1. 对目标列计算排名，通过method参数指定重复值的处理规则（如"average"取平均排名、"min"取最小排名）
2. 将排名结果除以列的总数据量，得到分位数位置

示例代码：

import polars as pl

df = pl.DataFrame({"value": [1, 2, 2, 3, 4, 5]})

df = df.with_columns(
    # 使用average排名处理重复值，归一化后得到分位数
    empirical_quantile=pl.col("value").rank(method="average") / pl.col("value").count()
)

print(df)

输出结果和ecdf()方法一致，你可以根据需求选择不同的rank方法调整计算逻辑。

内容的提问来源于stack exchange，提问作者GBPU