首先，需要明确一下，Pandas数据框架中的百分位数排名，指的是某一列中每个值在该列所有值中的相对位置所占的百分比。例如，某一列中值为10的数据在该列所有数据中排名第50%时，其百分位数排名为50%。
接下来，我们分步骤进行讲解。
步骤一：导入Pandas模块和数据
我们首先需要导入Pandas模块，然后使用Pandas读取数据文件，并创建数据框架。以下是示例代码：
import pandas as pd
df = pd.read_csv('data.csv')
步骤二：使用rank()方法计算排名
Pandas数据框架中有一个rank()方法，可以帮助我们计算出每个值在该列所有值中的排名。该函数默认从1开始递增排名，如果两个值相同，则会取平均值作为排名。
以下是示例代码：
df['score_rank'] = df['score'].rank()
在上述代码中，我们新建了一个名为score_rank的列，用于存储score列中每个值的排名。df['score'].rank()表示计算score列中每个值的排名。
如果不想平均排名，可以在rank()函数中传入method参数，可选值包括：average、min、max、first和dense。例如，以下代码将排名方式设置为min：
df['score_rank'] = df['score'].rank(method='min')
步骤三：使用quantile()方法计算百分位数
经过步骤二的计算，我们已经得到了每个值在该列中的排名。接下来，我们需要将排名转化为百分位数。
我们可以使用quantile()方法计算每个值在该列中的百分位数。该方法接受一个参数q，表示需要计算的百分位数，取值范围为0到1之间。
以下是示例代码，计算出score_rank列中每个值所在的百分位数：
df['score_percentile'] = df['score_rank'].apply(lambda x: (x-1) / (df.shape[0]-1))
在上述代码中，我们新建了一个名为score_percentile的列，用于存储score_rank列中每个值的百分位数。df.shape[0]表示数据框架中的行数，即数据总量。
步骤四：测试结果
最后，我们可以打印出新建的score_percentile列来查看结果：
print(df['score_percentile'])
运行结果示例如下：
0 0.000000
1 0.111111
2 0.222222
3 0.333333
4 0.444444
5 0.555556
6 0.666667
7 0.777778
8 0.888889
9 1.000000
Name: score_percentile, dtype: float64
以上就是使用Pandas数据框架计算某一列的百分位数排名的完整攻略，希望对您有所帮助。