numpy.percentile

numpy.percentile(a, q, axis=None, out=None, overwrite_input=False, interpolation='linear', keepdims=False)    [source]

计算沿指定轴的数据的第q个百分位数。

返回数组元素的第q个百分点。参数 ：a ：array_like

输入数组或可以转换为数组的对象。

q ：array_like of float

要计算的百分位数或百分位数序列，

必须在0到100之间(含0和100)。

axis ：{int, tuple of int, None}, 可选

沿其计算百分位数的一个或多个轴。

默认值为沿数组的展平版本计算百分位数。

在1.9.0版中更改：支持轴元组

out ：ndarray, 可选

放置结果的备用输出数组。

它的形状和缓冲区长度必须与预期的输出相同，

但是(必要时)将强制转换(输出的)类型。

overwrite_input ：bool, 可选

如果为True，

则允许通过中间计算来修改输入数组a，

以节省内存。 在这种情况下，

此功能完成后输入a的内容是不确定的。

interpolation ：

{‘linear’, ‘lower’, ‘higher’, ‘midpoint’, ‘nearest’}

这个可选参数指定了当需要的百分比位于两个数据点i < j

之间时使用的插值方法:

1)‘linear’: i + (j - i) * fraction,

fraction是由i和j包围的索引的分数部分。

2)‘lower’: i.

3)‘higher’: j.

4)‘nearest’: i或j，以最接近的为准。

5)‘midpoint’: (i + j) / 2.

1.9.0版中的新功能。

keepdims ：bool, 可选

如果将其设置为True，则缩小的轴将保留为尺寸1的尺寸。

使用此选项，结果将针对原始数组a正确广播。

1.9.0版中的新功能。

返回值 ：percentile ：scalar 或 ndarray

如果q是单个百分位数，而axis = None，

则结果是标量。 如果给出了多个百分位数，

则结果的第一个轴对应于百分位数。

其他轴是a减小后剩余的轴。

如果输入包含小于float64的整数或浮点数，

则输出数据类型为float64。

否则，输出数据类型与输入的数据类型相同。

如果指定了out，则返回该数组。

Notes

给定长度为N的向量V，V的第q个百分位数是从最小值到整数的方式的值q/100。如果归一化排名与q的位置完全不匹配，则两个最近邻居的值和距离以及内插参数将确定百分位数。如果q = 50，此函数与中位数相同；如果q = 0，则与最小值相同；如果q = 100则与最大值相同。

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

>>> a

array([[10, 7, 4],

[ 3, 2, 1]])

>>> np.percentile(a, 50)

3.5

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

array([6.5, 4.5, 2.5])

>>> np.percentile(a, 50, axis=1)

array([7., 2.])

>>> np.percentile(a, 50, axis=1, keepdims=True)

array([[7.],

[2.]])>>> m = np.percentile(a, 50, axis=0)

>>> out = np.zeros_like(m)

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

array([6.5, 4.5, 2.5])

>>> m

array([6.5, 4.5, 2.5])>>> b = a.copy()

>>> np.percentile(b, 50, axis=1, overwrite_input=True)

array([7., 2.])

>>> assert not np.all(a == b)

不同类型的插值可以通过图形显示：import matplotlib.pyplot as plt

\na = 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()