python dataframe 分位数_关于python：对熊猫数据框的分位数归一化

简而言之，如何在Python中的大型Pandas数据帧(大约2,000,000行)上应用分位数归一化？

PS。 我知道有一个名为rpy2的程序包，可以在R中使用分位数归一化在子进程中运行R。但是事实是，当我使用如下数据集时，R无法计算正确的结果：

5.690386092696389541e-05,2.051450375415418849e-05,1.963190184049079707e-05,1.258362869906251862e-04,1.503352476021528139e-04,6.881341586355676286e-06

8.535579139044583634e-05,5.128625938538547123e-06,1.635991820040899643e-05,6.291814349531259308e-05,3.006704952043056075e-05,6.881341586355676286e-06

5.690386092696389541e-05,2.051450375415418849e-05,1.963190184049079707e-05,1.258362869906251862e-04,1.503352476021528139e-04,6.881341586355676286e-06

2.845193046348194770e-05,1.538587781561563968e-05,2.944785276073619561e-05,4.194542899687506431e-05,6.013409904086112150e-05,1.032201237953351358e-05

编辑：

我想要的是：

给定上面显示的数据，如何按照https://en.wikipedia.org/wiki/Quantile_normalization中的步骤应用分位数归一化。

我在Python中找到了一段代码，声明它可以计算分位数归一化：

import rpy2.robjects as robjects

import numpy as np

from rpy2.robjects.packages import importr

preprocessCore = importr('preprocessCore')

matrix = [ [1,2,3,4,5], [1,3,5,7,9], [2,4,6,8,10] ]

v = robjects.FloatVector([ element for col in matrix for element in col ])

m = robjects.r['matrix'](v, ncol = len(matrix), byrow=False)

Rnormal