要查找某个值相对于数组（在本例中是数据框列）的百分位数，请使用scipy函数stats.percentileofscore()。
例如，如果我们有一个值x（不在 Dataframe 中的另一个数值）和一个引用数组arr（来自 Dataframe 的列），我们可以通过以下方式找到x的百分位数：

from scipy import stats
percentile = stats.percentileofscore(arr, x)

请注意，stats.percentileofscore()函数还有第三个参数对百分位数的结果值有显著影响，即kind。您可以从rank、weak、strict和mean中选择。有关详细信息，请参阅docs。
关于差异的示例：

>>> df
   a
0  1
1  2
2  3
3  4
4  5

>>> stats.percentileofscore(df['a'], 4, kind='rank')
80.0

>>> stats.percentileofscore(df['a'], 4, kind='weak')
80.0

>>> stats.percentileofscore(df['a'], 4, kind='strict')
60.0

>>> stats.percentileofscore(df['a'], 4, kind='mean')
70.0

最后需要注意的是，如果您的值大于列中其他值的80%，则它将位于第80个百分位数（参见上面的示例，了解kind方法如何影响最终得分），而不是第20个百分位数。有关详细信息，请参阅this Wikipedia article。

可能很晚了但还是

df['column_name'].describe()

我会给予你常规的25，50和75百分位数与一些额外的数据，但如果你想百分位数为一些特定的价值观，然后

df['column_name'].describe(percentiles=[0.1, 0.2, 0.3, 0.5])

这将给予你第10，20，30和50百分位数。你可以给尽可能多的值，因为你想。
结果对象可以像dict一样访问：

desc = df['column_name'].describe(percentiles=[0.1, 0.2, 0.3, 0.5])
print(desc)
print(desc['10%'])

对列进行排序，并查看值是否在前20%或其他百分比内。
例如：

def in_percentile(my_series, val, perc=0.2): 
    myList=sorted(my_series.values.tolist())
    l=len(myList)
    return val>myList[int(l*perc)]

或者，如果你想要实际的百分位数，只需使用searchsorted：

my_series.values.searchsorted(val)/len(my_series)*100

由于您正在查找超过/低于特定阈值的值，因此可以考虑使用pandas***qcut***函数。如果您想要20%以下和80%以上的值，请将数据分为5个大小相等的分区。每个分区将代表大小相等的20%“块”（五个20%的分区就是100%）。因此，给定一个DataFrame，其中有1列'a'，它表示您有数据的列：

df['newcol'] = pd.qcut(df['a'], 5, labels=False)

这将为DataFrame给予一个新列，每行都有一个值（0，1，2，3，4）。其中0表示最低的20%，4表示最高的20%，即80%。