python

关注公众号 jb51net

关闭
首页 > 脚本专栏 > python > NumPy的percentile

Python中的NumPy实用函数整理之percentile详解

作者:学习爱好者fz

这篇文章主要介绍了Python中的NumPy实用函数整理之percentile详解,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,需要的朋友可以参考下

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

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。

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()

到此这篇关于Python中的NumPy实用函数整理之percentile详解的文章就介绍到这了,更多相关NumPy的percentile内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

您可能感兴趣的文章:
阅读全文