Python中np.percentile和df.quantile分位数详解（python 分位点）新鲜出炉

这篇文章介绍了Python中两个用于计算分位数的函数：`numpy.percentile` 和 `pandas.DataFrame.quantile`。以下是文章的核心内容总结： 1. **`numpy.percentile` 函数**： - 用于在多维数组上计算指定分位数（如中位数、四分位数等）。 - 主要参数包括： - `a`：输入数组。 - `q`：分位数比例（0到1之间，或多个比例）。 - `axis`：指定计算分位数的轴（默认为展平数组）。 - `interpolation`：插值方法（如线性、分位数等）。 - `keepdims`：是否保留计算轴的维度。 - 示例： ```python a = np.array([[10, 7, 4], [3, 2, 1]]) np.percentile(a, 50) # 计算整体中位数 np.percentile(a, 50, axis=0) # 按列计算中位数 np.percentile(a, 50, axis=1) # 按行计算中位数 np.percentile(a, 50, axis=1, keepdims=True) # 保留轴维度 ``` 2. **`pandas.DataFrame.quantile` 方法**： - 用于在DataFrame上计算分位数，支持多种参数组合。 - 主要参数包括： - `q`：分位数比例（默认为0.5，即中位数）。 - `axis`：计算方向（默认为行）。 - `numeric_only`：是否仅计算数值列（默认为True）。 - `interpolation`：插值方法。 - 示例： ```python df = pd.DataFrame(np.array([[1, 1], [2, 10], [3, 100], [4, 100]]), columns=['a', 'b']) df.quantile(0.1) # 计算0.1分位数 df.quantile([0.1, 0.5]) # 计算多个分位数 ``` 3. **总结**： - `numpy.percentile` 和 `pandas.DataFrame.quantile` 都用于计算分位数，但前者适用于数组，后者适用于DataFrame。 - 两个函数均支持多种分位数比例、轴方向、插值方法和结果形状控制参数。 - 通过示例展示了如何使用这些函数计算不同分位数的结果，并强调了参数对结果的影响。 这篇文章通过具体的例子和详细说明，帮助读者理解如何在Python中使用这些函数进行分位数计算。