NumPy的实用函数整理之percentile

NumPy函数percentile()用于计算指定维度上数组元素的第 n 个百分位数，返回值为标量或者数组。

percentile()

percentile(a, q, axis=None, out=None,overwrite_input=False, interpolation=linear, keepdims=False)

其中参数 a：numpy数组，待求分位数的数组，或者可以被转换为numpy数组的数据结构。 q：numpy数组或者百分位数，必须在0到100之间。 axis：索要求分位数的维度，默认None是所有数中求出分位数，axis=0是按列求分位数，axis=1是按行求分位数。 out：结果输出到某个变量，该变量必须有与返回结果相同的维度。 overwrite_input：布尔值，是否允许覆盖输入，默认为False。 interpolation : {‘linear’, ‘lower’, ‘higher’, ‘midpoint’, ‘nearest’}，此可选参数指定要使用的插值方法，当所需百分比位于两个数据点之间时使用i<j。

‘linear’: i + (j - i) * fraction,fraction介于0.5到1之间 ‘lower’: i ‘higher’: j ‘nearest’: i or j, 最近原则. ‘midpoint’: (i + j) / 2.

keepdims : 布尔值，默认为False，如果设置为True，那么输出就会与输入数组a保持相同的维度。

函数返回值：

标量或者numpy数组。如果q是单个百分位数和axis = none，则结果返回标量。如果给出了多个百分比，则返回多个分位数或分位数组。

举例如下：

输入：

a = np.array([[10, 7, 4], [3, 2, 1]])
a

输出：

array([[10,  7,  4],
      [ 3,  2,  1]])

例一：

输入：

np.percentile(a, 50)

输出：

3.5

例二：

输入：

np.percentile(a, [50,90])

输出：

array([3.5, 8.5])

例三： 输入：

np.percentile(a, 50, axis=0)

输出：

array([6.5, 4.5, 2.5])

输入：

np.percentile(a, [50,90], axis=0)

输出

array([[6.5, 4.5, 2.5],
       [9.3, 6.5, 3.7]])

例四： 输入：

np.percentile(a, 50, axis=0).shape

输出：

(3,)

输入：

np.percentile(a, 50, axis=0, keepdims=True).shape

输出：

(1, 3)

例五： 输入：

import matplotlib.pyplot as plt

        a = np.arange(4)
        p = np.linspace(0, 100, 6001)
        ax = plt.gca()
        lines = [
            (linear, None),
            (higher, --),
            (lower, --),
            (nearest, -.),
            (midpoint, -.),
        ]
        for interpolation, style in lines:
            ax.plot(
                p, np.percentile(a, p, interpolation=interpolation),
                label=interpolation, linestyle=style)
        ax.set(
            title=Interpolation methods for list:  + str(a),
            xlabel=Percentile,
            ylabel=List item returned,
            yticks=a)
        ax.legend()
        plt.show()

输出：