Python中的NumPy實用函數整理之percentile詳解

更新時間：2023年09月22日 08:37:24 作者：學習愛好者fz

這篇文章主要介紹了Python中的NumPy實用函數整理之percentile詳解,NumPy函數percentile()用于計算指定維度上數組元素的第?n?個百分位數,返回值為標量或者數組,需要的朋友可以參考下

percentile()

NumPy函數percentile()用于計算指定維度上數組元素的第 n 個百分位數，返回值為標量或者數組。

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

a：numpy數組，待求分位數的數組，或者可以被轉換為numpy數組的數據結構。

q：numpy數組或者百分位數，必須在0到100之間。

axis：索要求分位數的維度，默認None是所有數中求出分位數，axis=0是按列求分位數，axis=1是按行求分位數。

out：結果輸出到某個變量，該變量必須有與返回結果相同的維度。

overwrite_input：布爾值，是否允許覆蓋輸入，默認為False。

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

keepdims : 布爾值，默認為False，如果設置為True，那么輸出就會與輸入數組a保持相同的維度。

函數返回值：

標量或者numpy數組。如果 q 是單個百分位數和 axis = none ，則結果返回標量。如果給出了多個百分比，則返回多個分位數或分位數組。

舉例如下：

輸入：

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

輸出：

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

例一：

輸入：

np.percentile(a, 50)

輸出：

3.5

例二：

輸入：

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

輸出：

array([3.5, 8.5])

例三：輸入：

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

輸出：

array([6.5, 4.5, 2.5])

輸入：

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

輸出

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

例四：輸入：

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

輸出：

(3,)

輸入：

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

輸出：

(1, 3)

例五：輸入：

        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()

到此這篇關于Python中的NumPy實用函數整理之percentile詳解的文章就介紹到這了,更多相關NumPy的percentile內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: