Python NumPy quantile方法用法及代码示例

例子

计算单个百分位数

要获取 0.5 分位数处的值：

a = np.array([5,6,7,8,9])
np.quantile(a, 0.5)



7.0

计算多个百分位数

要获取第 50 个和第 75 个百分位数的值：

a = np.array([5,6,7,8,9])
np.quantile(a, [0.5, 0.75])



array([7., 8.])

更改插值方法

线性

考虑指定分位数对应的值不存在的情况：

a = np.array([5,6,7,8,9])
np.quantile(a, 0.45)   # interpolation="linear"



6.800000000000001

这里，由于数组中不存在第 45 个百分位数对应的值，因此该值在 6 和 7 之间线性插值。

降低

a = np.array([5,6,7,8,9])
np.quantile(a, 0.45, interpolation="lower")



6

同样，由于 45% 分位数不存在，我们需要执行插值。我们知道它在值 6 和 7 之间。通过传入 "lower" ，我们选择较低的值，即本例中的 6。

更高

a = np.array([5,6,7,8,9])
np.quantile(a, 0.45, interpolation="higher")



7

与 "lower" 相同的逻辑，但我们采用较高的值。

最近的

a = np.array([5,6,7,8,9])
np.quantile(a, 0.45, interpolation="nearest")



7

通过传入"nearest"，我们不再总是选择较低或较高的值，而是采用最接近的值。这里，从 interpolation="linear" 的输出来看，我们知道插值更接近 7 而不是 6。

中点

a = np.array([5,6,7,8,9])
np.quantile(a, 0.45, interpolation="midpoint")



6.5

在这里，我们只取下限值和上限值的中点，因此 (6+7)/2=6.5 。