這是一些將生成一些隨機數據的代碼，以及代表第 30 和第 90 百分位數的圖表和線條。import pandas as pd import numpy as np from numpy.random import randint import matplotlib.pyplot as plt                                                                                                                                                       %matplotlib inlinenp.random.seed(10)  # added for reproductibility                                                                                                                                                                 rng = pd.date_range('10/9/2018 00:00', periods=10, freq='1H') df = pd.DataFrame({'Random_Number':randint(1, 100, 10)}, index=rng)                                                                                                                   df.plot()    plt.axhline(df.quantile(0.3)[0], linestyle="--", color="g")                                                                                                                                                    plt.axhline(df.quantile(0.90)[0], linestyle="--", color="r")                                                                                                                                                    plt.show()輸出：（減去圖表中突出顯示的部分）我試圖弄清楚是否可以計算從綠色到紅線到達（突出顯示的黃色）數據所需的時間。我可以手動輸入數據：minStart = df.loc[df['Random_Number'] < 18].index[0]maxStart = df.loc[df['Random_Number'] > 90].index[0]hours = maxStart - minStarthours這將輸出：Timedelta('0 days 05:00:00')但如果我嘗試使用：minStart = df.loc[df['Random_Number'] < df.quantile(0.3)].index[0]maxStart = df.loc[df['Random_Number'] > df.quantile(0.90)].index[0]hours = maxStart - minStarthours這將拋出一個ValueError: Can only compare identically-labeled Series objects有沒有更好的發瘋方法？理想情況下，創建某種算法可以計算從第 30 到第 90 個百分位然后從第 90 到第 30 位返回所需的增量時間，這將是很好的。但我可能需要考慮一下如何實現完成..