使用Pandas滚动窗口计算分位数为何与单独计算结果不一致？

这个问题的核心原因是：Pandas的rolling.quantile()和常规的DataFrame.quantile()默认采用了不同的分位数计算（插值）方法，导致相同数据的分位数结果出现差异。

具体分析你的案例 #

先看你的数据：第一个滚动窗口是[1,2,3]，我们分别拆解两种计算方式的逻辑：

1. 单独计算df.iloc[0:3].quantile(0.75) #

在现代Pandas（1.0+）中，quantile()默认使用method='linear'插值方法，计算逻辑是：

• 对窗口内数据排序：[1,2,3]
• 计算分位数位置：(n-1)*q = (3-1)*0.75 = 1.5（n是样本数量，q是分位数）
• 因为位置是小数，采用线性插值：取排序后第1位（2）和第2位（3）的中间值，即2 + 0.5*(3-2) = 2.5，这和你得到的结果完全一致。

2. 滚动窗口计算df.rolling(3).quantile(0.75) #

从你给出的结果（第一个有效窗口返回2.0）来看，你的Pandas版本大概率是1.0之前的旧版本，或者你显式指定了interpolation='lower'参数。

在旧版本Pandas中，rolling.quantile()默认使用interpolation='lower'，它的逻辑是：

• 对窗口内数据排序：[1,2,3]
• 找到最小的数值，使得该数值大于等于分位数对应的理论位置的结果。对于q=0.75，理论位置是1.5，lower插值会直接取排序后索引为1的元素（即2），不进行插值计算，所以结果是2.0。

如何让两者结果一致？ #

要让滚动窗口分位数和单独计算的结果匹配，只需要统一两者的插值方法：

方法1：给rolling.quantile()指定interpolation='linear' #

df.rolling(window=3, center=False).quantile(0.75, interpolation='linear')

这样计算第一个窗口时就会得到2.5，和单独计算的结果完全对齐。

方法2：给单独计算的quantile()指定interpolation='lower' #

df.iloc[0:3].quantile(0.75, interpolation='lower')

此时结果会是2.0，和你原来的滚动窗口结果一致。

补充说明 #

在Pandas 1.0及之后的版本中，rolling.quantile()的默认interpolation参数已经改为'linear'，和quantile()的默认行为对齐，所以新版本中不会出现这个差异。如果你还在使用旧版本，建议考虑升级Pandas来避免这类行为不一致的问题。

内容的提问来源于stack exchange，提问作者gabboshow