NumPy的实用函数整理之percentile
NumPy的实用函数整理之percentile
- 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()
percentile(a, q, axis=None, out=None,overwrite_input=False, interpolation='linear', keepdims=False)
其中参数
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。
interpolation : {‘linear’, ‘lower’, ‘higher’, ‘midpoint’, ‘nearest’},此可选参数指定要使用的插值方法,当所需百分比位于两个数据点之间时使用i<j
。
- ‘linear’:
i + (j - i) * fraction
,fraction介于0.5到1之间 - ‘lower’:
i
- ‘higher’:
j
- ‘nearest’:
i
orj
, 最近原则. - ‘midpoint’:
(i + j) / 2
.
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 plta = 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()
输出:
![在这里插入图片描述](https://img-blog.csdnimg.cn/8a022f3eafe34c8cbaf2a7048a88d90a.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5a2m5Lmg54ix5aW96ICFZno=,size_17,color_FFFFFF,t_70,g_se,x_16 #pic_center)
NumPy的实用函数整理之percentile相关推荐
- NumPy的实用函数整理之sliding_window_view
NumPy的实用函数整理之sliding_window_view numpy.lib.stride_tricks.sliding_window_view() NumPy函数sliding_window ...
- MinkowskiEngine实用函数和类
MinkowskiEngine实用函数和类 sparse_quantize MinkowskiEngine.utils.sparse_quantize(coords, feats=None, labe ...
- 让数据分析更便捷快速,了解这12种Numpy和Pandas函数
选自TowardsDataScience 作者:Kunal Dhariwal 机器之心编译 我们都知道,Numpy 是 Python 环境下的扩展程序库,支持大量的维度数组和矩阵运算:Pandas 也 ...
- 加速数据分析,这12种高效Numpy和Pandas函数为你保驾护航
我们都知道,Numpy 是 Python 环境下的扩展程序库,支持大量的维度数组和矩阵运算:Pandas 也是 Python 环境下的数据操作和分析软件包,以及强大的数据分析库.二者在日常的数据分析中 ...
- php 不等于 的函数吗,PHP不常见的函数整理
下面为大家带来一篇 PHP不常见的函数整理.下面就为你详细讲解一下,希望对您的学习PHP有所帮助. sys_getloadavg() 这个函数返回当前系统的负载均值信息(当然 Windows 下不适用 ...
- dataframe转化为array_【Python专栏】12 种高效 Numpy 和 Pandas 函数为你加速分析
来源:机器之心 编译:Jamin.杜伟.张倩 我们都知道,Numpy 是 Python 环境下的扩展程序库,支持大量的维度数组和矩阵运算:Pandas 也是 Python 环境下的数据操作和分析软件包 ...
- php返回上一层的函数6,[PHP]实用函数6第1/2页
[PHP]实用函数6第1/2页 2021-01-23 14:04:16114 //寄出电子邮件到指定的邮件地址to,subject表示主题,message为信件内容.额外的选项additional_h ...
- pandas 常用函数整理
pandas常用函数整理,作为个人笔记. 仅标记函数大概用途做索引用,具体使用方式请参照pandas官方技术文档. 约定 from pandas import Series, DataFrame im ...
- Python numpy.testing.assert_warns函数方法的使用
NumPy(Numerical Python的缩写)是一个开源的Python科学计算库.使用NumPy,就可以很自然地使用数组和矩阵.NumPy包含很多实用的数学函数,涵盖线性代数运算.傅里叶变换和随 ...
最新文章
- tiny4412 u-boot 启动参数的设置
- Java扑克牌(多线程)
- 设备管理器中的计算机有什么用,为什么计算机设备管理器中有两个图形卡?
- 『软件工程12』软件工程实践方法——软件测试
- 【金融申请评分卡】数据准备 - 缺失值数据清洗
- java treemap_Java TreeMap的排序
- 你能卖什么,决定了你的收入落在什么档次
- Spotfire10.10.0 windows10安装与配置
- Base16 应用与原理解析
- 177、模拟行走机器人
- Anaconda详细安装及使用教程
- 测试硬盘,ssd,优盘读取速度
- Vue 制作滚动字幕,用于展示通知内容
- MySQL变量的使用
- 俞敏洪一分钟励志演讲
- Core Data的使用
- Bootstrap学习-详解Bootstrap下拉菜单组件
- 使用的tk集成mybatis,报No MyBatis mapper was found in的警告解决方案
- ZigBee无线点灯示例
- 自动修改域用户计算机名,Windows自动改计算机名和加入域工具