当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


Julia Statistics.quantile!用法及代码示例


用法:

quantile!([q::AbstractArray, ] v::AbstractVector, p; sorted=false, alpha::Real=1.0, beta::Real=alpha)

在区间 [0,1] 上以指定的概率或概率的向量或元组 p 计算向量 v 的分位数。如果p 是向量,则还可以指定可选的输出数组q。 (如果未提供,则创建一个新的输出数组。)关键字参数sorted 指示是否可以假定v 已排序;如果false(默认),那么v的元素将部分就地排序。

默认情况下(alpha = beta = 1),分位数通过点之间的线性插值计算 ((k-1)/(n-1), v[k]) ,对于 k = 1:n 其中 n = length(v) 。这对应于 Hyndman 和 Fan (1996) 的定义 7,并且与 R 和 NumPy 默认值相同。

关键字参数 alphabeta 对应于 Hyndman 和 Fan 中的相同参数,将它们设置为不同的值允许使用本文定义的任何方法 4-9 计算分位数:

  • 定义。 4:alpha=0beta=1
  • 定义。 5:alpha=0.5beta=0.5
  • 定义。 6:alpha=0beta=0(Excel PERCENTILE.EXC,Python 默认,Stata altdef)
  • 定义。 7:alpha=1beta=1(Julia、R 和 NumPy 默认,Excel PERCENTILEPERCENTILE.INC,Python 'inclusive')
  • 定义。 8:alpha=1/3beta=1/3
  • 定义。 9:alpha=3/8beta=3/8

注意

如果 v 包含 NaN missing 值,则会引发 ArgumentError

参考

  • Hyndman, R.J 和 Fan, Y. (1996)“统计包中的样本分位数”,The American Statistician,卷。 50,第 4 期,第 361-365 页

  • Quantile on Wikipedia详细说明了不同的分位数定义

例子

julia> using Statistics

julia> x = [3, 2, 1];

julia> quantile!(x, 0.5)
2.0

julia> x
3-element Vector{Int64}:
 1
 2
 3

julia> y = zeros(3);

julia> quantile!(y, x, [0.1, 0.5, 0.9]) === y
true

julia> y
3-element Vector{Float64}:
 1.2000000000000002
 2.0
 2.8000000000000003

相关用法


注:本文由纯净天空筛选整理自julialang.org 大神的英文原创作品 Statistics.quantile! — Function。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。