pandas Excel的PERCENTILE.EXC的Python等价物

uinbv5nw 于 2023-06-28 发布在 Python

关注(0)|答案(3)|浏览(97)

我正在使用Pandas计算一些金融风险分析，包括风险价值。简而言之，为了计算风险价值（VaR），你需要一个模拟投资组合价值变化的时间序列，然后计算一个特定的尾部百分比损失。例如，95% VaR是该时间序列中的第5个百分位数。
我在Pandas数据框中有我的时间序列，目前正在使用pd.quantile（）函数来计算百分位数。我的问题是，VaR的典型市场惯例是使用排除百分比（即：95%VaR解释为：有95%的机会您的投资组合不会损失超过计算出的数字）-类似于MS Excel PERECENTILE.EXC（）的工作方式。Pandas quantile（）的工作方式类似于Excel的PERCENTILE.INC（）的工作方式-它包括指定的百分位数。我已经搜索了几个python数学软件包以及这个论坛，寻找一个python解决方案，它使用与Excel中的PERCENTILE.EXC（）相同的方法，但没有运气。我希望有人能给我个建议
下面是示例代码。

import pandas as pd
import numpy as np

test_pd = pd.Series([15,14,18,-2,6,-78,31,21,98,-54,-2,-36,5,2,46,-72,3,-2,7,9,34])
test_np = np.array([15,14,18,-2,6,-78,31,21,98,-54,-2,-36,5,2,46,-72,3,-2,7,9,34])

print 'pandas: ' + str(test_pd.quantile(.05))
print 'numpy: '+ str(np.percentile(test_np,5))

我要找的答案是-77.4
谢谢
莱恩

pandas

来源：https://stackoverflow.com/questions/38596100/python-equivalent-of-excels-percentile-exc

3条答案

按热度按时间

but5z9lq1#

它不会像Pandas自己的百分位那么有效，但它应该可以工作：

def quantile_exc(ser, q):
    ser_sorted = ser.sort_values()
    rank = q * (len(ser) + 1) - 1
    assert rank > 0, 'quantile is too small'
    rank_l = int(rank)
    return ser_sorted.iat[rank_l] + (ser_sorted.iat[rank_l + 1] - 
                                     ser_sorted.iat[rank_l]) * (rank - rank_l)

ser = pd.Series([15,14,18,-2,6,-78,31,21,98,-54,-2,-36,5,2,46,-72,3,-2,7,9,34])

quantile_exc(ser, 0.05)
Out: -77.400000000000006

quantile_exc(ser, 0.1)
Out: -68.399999999999991

quantile_exc(ser, 0.3)
Out: -2.0

请注意，对于小百分位数，Excel失败;它不是一个bug。这是因为低于最小值的等级不适合插值。因此，您可能需要检查quantile_exc函数中的rank是否> 0（参见Assert部分）。

赞(0）回复(0）举报 2023-06-28

cu6pst1q2#

编辑：我刚看到你的编辑。我认为你在犯一个错误。值-77.4实际上是数据的99.5%。试试test_pd.quantile(.005)我相信你一定是在Excel中指定百分位数时犯了一个错误。
编辑2：我刚刚在Excel中自己测试了一下。对于第50个百分位数，我在Excel和Numpy/Pandas中都得到了正确的值。然而，对于第五个百分位数，我在Pandas/Numpy中得到-72，在Excel中得到-74.6。但Excel在这里是错误的：很明显-74.6是0.5个百分点，而不是第5个...
最终编辑：经过一些测试，Excel似乎在PERCENTILE.EXC()函数的k值非常小的情况下表现不稳定。实际上，使用任何k < 0.05的函数都会返回错误，因此0.05必须是函数无法正常工作的阈值。我不知道为什么Excel在被要求排除第5个百分位数时选择返回第0.5个百分位数（逻辑行为将返回第4.9个百分位数，或第4.99个...）。然而，Numpy、Pandas和Excel对于其他k值都返回相同的值。例如PERCENTILE.EXC(0.5) = 6和test_pd.quantile(0.5) = 6。我想这一教训是我们需要警惕Excel的行为;）.
我对你问题的理解是：你想知道对应于你的数据的第k个百分位数的值，这个第k个百分位数被排除在外。但是，pd.quantile()返回与您的第k个百分位数对应的值，包括第k个百分位数。
我不认为pd.quantile（）返回包含的第k个百分位数是一个问题。事实上，假设你希望所有股票的风险价值严格高于第5个百分点，你会这样做：

mask = data["VaR"] < pd.quantile(data["VaR"], 0.05)
data_filt = data[mask]

因为您使用了“小于”（<）运算符，所以与第5个百分位数完全对应的值将被排除，类似于Excel的PERCENTILE.EXC（）函数。
告诉我这是不是你要找的东西。

赞(0）回复(0）举报 2023-06-28

3duebb1j3#

在最初的问题被问到几年后，我不得不构建一个pandas脚本来复制/简化/检查复杂的数组公式。以下是我的想法
假设你想要百分之九十的
EXC是第0.9（n+1）个值
PERCENTILE.INC是第0.9（n-1）+1个值
PERCENTILE.EXC将适用于9个或更多条目。默认情况下，Pandas将使用PERCENTILE.INC等效文件，即df.分位数（0.9）。
如果你想复制这两个函数，使用numpy
np.百分位数（x，90，method ='linear'）--->百分位数增加
np.百分位数（x，90，method ='weibull'）--->百分位数
更改号码以满足您的需要。
问候

赞(0）回复(0）举报 2023-06-28

我来回答

pandas Excel的PERCENTILE.EXC的Python等价物

3条答案

相关问题

热门标签

最新问答