Python NumPy quantile方法用法及代碼示例

例子

計算單個百分位數

要獲取 0.5 分位數處的值：

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



7.0

計算多個百分位數

要獲取第 50 個和第 75 個百分位數的值：

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



array([7., 8.])

更改插值方法

線性

考慮指定分位數對應的值不存在的情況：

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



6.800000000000001

這裏，由於數組中不存在第 45 個百分位數對應的值，因此該值在 6 和 7 之間線性插值。

降低

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



6

同樣，由於 45% 分位數不存在，我們需要執行插值。我們知道它在值 6 和 7 之間。通過傳入 "lower" ，我們選擇較低的值，即本例中的 6。

更高

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



7

與 "lower" 相同的邏輯，但我們采用較高的值。

最近的

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



7

通過傳入"nearest"，我們不再總是選擇較低或較高的值，而是采用最接近的值。這裏，從 interpolation="linear" 的輸出來看，我們知道插值更接近 7 而不是 6。

中點

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



6.5

在這裏，我們隻取下限值和上限值的中點，因此 (6+7)/2=6.5 。