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 ：
这个可选参数指定了当需要的百分比位于两个数据点 之间时使用的插值方法: 1）‘linear’:
2）‘lower’: 3）‘higher’: 4）‘nearest’: 5）‘midpoint’: 1.9.0版中的新功能。 keepdims ： 如果将其设置为 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 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()