numpy.quantile
numpy.quantile(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个分位数。
1.15.0版中的新功能。
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 要计算的分位数或分位数序列，必须在0到1之间（含0和1）。 axis ：{int, tuple of int, None}, 可选 用于计算分位数的一个或多个轴。 默认值是沿数组的展平版本计算分位数。 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分位数位于两个数据点
1）linear:
2）lower: 3）higher: 4）nearest: 5）midpoint: keepdims ： 如果将其设置为 那么被缩减的轴将在结果中保留尺寸为1的维度。 使用此选项，结果将针对原始数组a正确传递。 |
返回值 ： | quantile ：scalar 或 ndarray 如果q是单个分位数并且axis = None，则结果是标量。 如果给出了多个分位数，则结果的第一轴对应于分位数。 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个分位数是从最小到最大的方式的值q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分位数。如果q = 0.5，此函数与中位数相同；如果q = 0.0，此函数与最小值相同；如果q = 1.0，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.quantile(a, 0.5)
3.5
>>> np.quantile(a, 0.5, axis=0)
array([6.5, 4.5, 2.5])
>>> np.quantile(a, 0.5, axis=1)
array([7., 2.])
>>> np.quantile(a, 0.5, axis=1, keepdims=True)
array([[7.],
[2.]])
>>> m = np.quantile(a, 0.5, axis=0)
>>> out = np.zeros_like(m)
>>> np.quantile(a, 0.5, axis=0, out=out)
array([6.5, 4.5, 2.5])
>>> m
array([6.5, 4.5, 2.5])
>>> b = a.copy()
>>> np.quantile(b, 0.5, axis=1, overwrite_input=True)
array([7., 2.])
>>> assert not np.all(a == b)