numpy.quantile#
- numpy.quantile(a, q, axis=None, out=None, overwrite_input=False, method='linear', keepdims=False, *, weights=None, interpolation=None)[source]#
沿指定轴计算数据的第 q 个分位数。
版本 1.15.0 中的新增功能。
- 参数:
- a实数的数组类
输入数组或可转换为数组的对象。
- q浮点数的数组类
要计算的分位数的概率或概率序列。值必须在 0 到 1(含)之间。
- axis{int, int 元组, None}, 可选
计算分位数的轴或轴。默认情况下,沿数组的扁平化版本计算分位数。
- outndarray, 可选
要放置结果的备用输出数组。它必须具有与预期输出相同的形状和缓冲区长度,但类型(输出的类型)将在必要时进行强制转换。
- overwrite_inputbool, 可选
如果为 True,则允许输入数组 a 被中间计算修改,以节省内存。在这种情况下,此函数完成后输入 a 的内容是未定义的。
- methodstr, 可选
此参数指定用于估计分位数的方法。有很多不同的方法,其中一些是 NumPy 独有的。推荐的选项(按其在 [1] 中出现的顺序排列)是
‘inverted_cdf’
‘averaged_inverted_cdf’
‘closest_observation’
‘interpolated_inverted_cdf’
‘hazen’
‘weibull’
‘linear’ (默认)
‘median_unbiased’
‘normal_unbiased’
前三种方法是不连续的。为了与先前版本的 NumPy 保持向后兼容性,以下默认 ‘linear’ (7.) 选项的不连续变体可用
‘lower’
‘higher’,
‘midpoint’
‘nearest’
有关详细信息,请参见注释。
版本 1.22.0 中的变更: 此参数以前称为“interpolation”,并且仅提供“linear”默认值和最后四个选项。
- keepdimsbool, 可选
如果将其设置为 True,则将被减少的轴保留在结果中,作为大小为一的维度。使用此选项,结果将对原始数组 a 进行正确广播。
- weights数组类, 可选
与 a 中的值相关联的权重数组。a 中的每个值都根据其关联的权重对分位数做出贡献。权重数组可以是一维(在这种情况下,它的长度必须是 a 沿给定轴的大小)或与 a 形状相同。如果 weights=None,则假定 a 中的所有数据都具有等于 1 的权重。只有 method=”inverted_cdf” 支持权重。有关更多详细信息,请参见注释。
版本 2.0.0 中的新增功能。
- interpolationstr, 可选
方法关键字参数的弃用名称。
从版本 1.22.0 开始弃用。
- 返回值:
- quantile标量或 ndarray
如果 q 是单个概率且 axis=None,则结果为标量。如果给出多个概率级别,则结果的第一轴对应于分位数。其他轴是在 a 缩减后剩余的轴。如果输入包含整数或小于
float64
的浮点数,则输出数据类型为float64
。否则,输出数据类型与输入相同。如果指定了 out,则返回该数组。
另请参见
mean
percentile
等效于 quantile,但 q 在 [0, 100] 范围内。
median
等效于
quantile(..., 0.5)
nanquantile
注释
给定来自基础分布的样本 a,
quantile
提供了对逆累积分布函数的非参数估计。默认情况下,这是通过在
y
(a 的排序副本)中的相邻元素之间进行插值来完成的(1-g)*y[j] + g*y[j+1]
其中索引
j
和系数g
是q * (n-1)
的整数和小数部分,n
是样本中的元素数量。这是 H&F [1] 中方程 1 的特例。更一般地说,
j = (q*n + m - 1) // 1
,以及g = (q*n + m - 1) % 1
,
其中
m
可以根据几种不同的约定定义。可以使用method
参数选择首选约定方法
H&F 中的编号
m
interpolated_inverted_cdf
4
0
hazen
5
1/2
weibull
6
q
linear
(默认)7
1 - q
median_unbiased
8
q/3 + 1/3
normal_unbiased
9
q/4 + 3/8
请注意,当公式的结果超出了允许的非负索引范围时,索引
j
和j + 1
将被剪裁到0
到n - 1
范围内。j
和g
公式中的- 1
考虑了 Python 的 0 为基的索引。上面的表格只包括 H&F 中的估计器,它们是概率 q 的连续函数(估计器 4-9)。NumPy 还提供了 H&F 中的三个不连续估计器(估计器 1-3),其中
j
的定义如上,m
的定义如下,g
是实值index = q*n + m - 1
和j
的函数。inverted_cdf
:m = 0
且g = int(index - j > 0)
averaged_inverted_cdf
:m = 0
且g = (1 + int(index - j > 0)) / 2
closest_observation
:m = -1/2
且g = 1 - int((index == j) & (j%2 == 1))
为了与先前版本的 NumPy 保持向后兼容性,
quantile
提供了四个额外的非连续估计器。与method='linear'
一样,所有估计器都有m = 1 - q
,因此j = q*(n-1) // 1
,但g
的定义如下。lower
:g = 0
midpoint
:g = 0.5
higher
:g = 1
nearest
:g = (q*(n-1) % 1) > 0.5
加权分位数:更正式地说,具有概率测度 \(P\) 的累积分布函数 \(F(y)=P(Y \leq y)\) 的概率级别 \(q\) 处的分位数被定义为满足 *覆盖条件* 的任何数字 \(x\)
\[P(Y < x) \leq q \quad\text{and}\quad P(Y \leq x) \geq q\]其中随机变量 \(Y\sim P\)。样本分位数,即
quantile
的结果,提供了对由未知 \(F\) 表示的基础总体对应物的非参数估计,给定长度为n
的数据向量 a。上面的一些估计器出现在将 \(F\) 视为数据的经验分布函数时,即 \(F(y) = \frac{1}{n} \sum_i 1_{a_i \leq y}\)。然后,不同的方法对应于满足上述覆盖条件的 \(x\) 的不同选择。遵循此方法的方法是
inverted_cdf
和averaged_inverted_cdf
。对于加权分位数,覆盖条件仍然成立。经验累积分布函数只是被其加权版本取代,即 \(P(Y \leq t) = \frac{1}{\sum_i w_i} \sum_i w_i 1_{x_i \leq t}\)。只有
method="inverted_cdf"
支持权重。参考
示例
>>> import numpy as np >>> 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)
另请参见
numpy.percentile
以了解大多数方法的可视化。