numpy.percentile()

百分位數(shù)是統(tǒng)計(jì)中使用的度量，表示小于這個(gè)值的觀察值占總數(shù)q的百分比。 函數(shù)numpy.percentile()接受以下參數(shù)。

numpy.percentile(a, q, axis)

其中：

首先明確百分位數(shù)的概念：

        第p個(gè)百分位數(shù)是這樣一個(gè)值，它使得至少有p%的數(shù)據(jù)項(xiàng)小于或等于這個(gè)值，且至少有(100-p)%的數(shù)據(jù)項(xiàng)大于或等于這個(gè)值。

舉個(gè)例子：

       高等院校的入學(xué)考試成績(jī)經(jīng)常以百分位數(shù)的形式報(bào)告。比如，假設(shè)某個(gè)考生在入學(xué)考試中的語(yǔ)文部分的原始分?jǐn)?shù)為54分。相對(duì)于參加同一考試的其他學(xué)生來(lái)說(shuō)，他的成績(jī)?nèi)绾尾⒉蝗菀字?。但是如果原始分?jǐn)?shù)54分恰好對(duì)應(yīng)的是第70百分位數(shù)，我們就能知道大約70%的學(xué)生的考分比他低，而約30%的學(xué)生考分比他高 

在numpy中,是這樣的：

numpy.percentile
Parameters
    ----------
    a : np數(shù)組
    q : float in range of [0,100] (or sequence of floats)
        Percentile to compute。
        要計(jì)算的q分位數(shù)。
    axis : 那個(gè)軸上運(yùn)算。
    keepdims :bool是否保持維度不變。


    Examples
    --------    >>> a = range(1,101)
    >>> np.percentile(a, 90)  #90%的分位數(shù)    90.1 #表示有百分之九十的數(shù)小于90.1。
    >>> a = np.array([[10, 7, 4], [3, 2, 1]])
    >>> a
    array([[10,  7,  4],
           [ 3,  2,  1]])
    >>> np.percentile(a, 50)  #50%的分位數(shù)，就是a里排序之后的中位數(shù)
    3.5 #表示有百分之五十的數(shù)小于3.5。   
    >>> np.percentile(a, 50, axis=0) #axis為0，在縱列上求
    array([[ 6.5,  4.5,  2.5]])
    >>> np.percentile(a, 50, axis=1) #axis為1，在橫行上求
    array([ 7.,  2.])
    >>> np.percentile(a, 50, axis=1, keepdims=True)
    #保持維度不變，這對(duì)使用sklearn的fit有好處。
    array([[ 7.],
           [ 2.]])
1
2
3
4
5
6
7
8
9
10
11
12
13
1
2
1
1
1
2
1
2
3
4
5
6
1
2
3
4
5
6
7
8
9