JAVA有percentile函数吗_Python numpy.percentile函数方法的使用
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 :
{‘linear’, ‘lower’, ‘higher’, ‘midpoint’, ‘nearest’}
这个可选参数指定了当需要的百分比位于两个数据点i < j
之间时使用的插值方法:
1)‘linear’: i + (j - i) * fraction,
fraction是由i和j包围的索引的分数部分。
2)‘lower’: i.
3)‘higher’: j.
4)‘nearest’: i或j,以最接近的为准。
5)‘midpoint’: (i + j) / 2.
1.9.0版中的新功能。
keepdims :bool, 可选
如果将其设置为True,则缩小的轴将保留为尺寸1的尺寸。
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axis = None,
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()
JAVA有percentile函数吗_Python numpy.percentile函数方法的使用相关推荐
- python中mean算函数吗_Python numpy.mean函数方法的使用
numpy.mean numpy.mean(a, axis=None, dtype=None, out=None, keepdims= 沿指定轴计算算术平均值. 返回数组元素的平均值.默认情况下,平均 ...
- python怎么运行ln函数_python numpy ln函数python之nosetests自动化测试框架感知
这几天都有遇到nosetest,一是hardway learn python中,还有一个是django中,因此想趁此了解下有什么用,看了半天也不理解具体的用处,还是老规矩把尝试的一些内容记下来.之所以 ...
- python row函数_Python numpy 常用函数总结
Numpy是什么 在没给大家介绍numpy之前先给大家说下python的基本概念. Python 是一种高级的,动态的,多泛型的编程语言.Python代码很多时候看起来就像是伪代码一样,因此你可以使用 ...
- 如何用python画出一般函数图_python如何画函数图像
通过图像可以直观地学习函数变化.分布等规律,在学习函数.概率分布等方面效果显著.下面我们尝试用Python的2D绘图库matplotlib来绘制函数图像. 下面我们来实现一个简单的函数: 首先,调用m ...
- python中的open函数实例_Python中open函数注意点
前段日子看了关于Python文件和流的一些文献,其中最基础的便是python的一个内建函数:open!!! 很简单的一个函数,他的原型是这样的: open(name,[,mode[,buffering ...
- python123编写函数求和_Python基础之函数
Python基础之函数 一.函数基础 1.函数概念: 函数是指将一组语句的集合通过一个名字(函数名)封装起来,要想执行这个函数,只需调用其函数名即可 2.函数的作用 (1)减少重复代码 (2)使程序变 ...
- python 函数 过程_python学习之函数(三)--函数与过程
1.函数与过程的区别: 有返回值的是函数,没有返回值的是过程: 函数(function):有返回值 过程(procedure):简单特殊,没有返回值 严格来说,python只有函数,没有过程.没有返回 ...
- python中函数作用域_Python中的函数作用域
在python中,一个函数就是一个作用域 name = 'xiaoyafei' def change_name(): name = '肖亚飞' print('在change_name里的name:', ...
- python中read函数解释_Python内置函数解释教程,readwill(非常详细的代码演示截图),详解,看,了,就,会,很...
内置函数 abs() 获取绝对值 all() 接受一个迭代器,如果迭代器的所有元素都为真,那么返回True,否则返回False any() 接受一个迭代器,如果迭代器里有一个元素为真,那么返回True ...
最新文章
- 浏览器事件循环与node事件循环
- 微软正式提供Visual Studio 2013正式版下载(附直接链接汇总)
- 市电中断时,数据中心机房如何保证持续供电?
- linux 编译 freescale arm 的gdb server
- 【Codeforces - 977F】Consecutive Subsequence(STLmap,输出路径,dp)
- 傲游浏览器记事本怎么打开
- android 开发环境以及hello world,Android Studio开发环境搭建和HelloWorld
- mysql 苏勇_30.每日一个Linux命令----hwclock
- 单元格自适应宽度_Excel – 合并单元格时,如何同时保留每个单元格的内容?...
- 安装多个win10系统
- 使用JavaScript实现省市县三级联动
- SpringBoot之如何自定义一个starter模块
- 什么笔记本学计算机二级,计算机二级Office
- angular实现双向绑定
- Error with Permissions-Policy header: Origin trial controlled feature not enabled: ‘interest-cohort‘
- DS18B20 Proteus
- 2022飞鱼科技--鱼苗夏令营实习--游戏客户端--一面(已挂)
- rancher2.0 beta版本 Kubernetes安装指南
- Python对数据进行量纲化处理
- android package service