numpy 4:np.percentile()

最新推荐文章于 2023-07-21 12:56:38 发布

转载最新推荐文章于 2023-07-21 12:56:38 发布 · 803 阅读

函数专栏收录该内容

14 篇文章

订阅专栏

本文详细解释了百分位数的概念，并通过实例展示了如何利用numpy库中的percentile函数来计算不同场景下的百分位数。包括一维和二维数组在不同轴上的百分位数计算。

首先明确百分位数：

第p个百分位数是这样一个值，它使得至少有p%的数据项小于或等于这个值，且至少有(100-p)%的数据项大于或等于这个值。

举个例子：高等院校的入学考试成绩经常以百分位数的形式报告。比如，假设某个考生在入学考试中的语文部分的原始分数为54分。相对于参加同一考试的其他学生来说，他的成绩如何并不容易知道。但是如果原始分数54分恰好对应的是第70百分位数，我们就能知道大约70%的学生的考分比他低，而约30%的学生考分比他高
这里的p = 70 .

numpy.percentile
Parameters
    ----------
    a : np数组
    q : float in range of [0,100] (or sequence of floats)
        Percentile to compute。
        要计算的q分位数。
    axis : 那个轴上运算。
    keepdims :bool是否保持维度不变。


    Examples
    --------
    >>> a = np.array([[10, 7, 4], [3, 2, 1]])
    >>> a
    array([[10,  7,  4],
           [ 3,  2,  1]])
    >>> np.percentile(a, 50) #50%的分位数，就是a里排序之后的中位数
    3.5
    >>> np.percentile(a, 50, axis=0) #axis为0，在纵列上求
    array([[ 6.5,  4.5,  2.5]])
    >>> np.percentile(a, 50, axis=1) #axis为1，在横行上求
    array([ 7.,  2.])
    >>> np.percentile(a, 50, axis=1, keepdims=True)
    #保持维度不变，这对使用sklearn的fit有好处。
    array([[ 7.],