在python中计算一个多维数组的任意百分比分位数，此处的百分位是从小到大排列，只需用np.percentile即可……
a = range(1,101) #求取a数列第90%分位的数值 np.percentile(a, 90) Out[5]: 90.10000000000001 a = range(101,1,-1) #百分位是从小到大排列 np.percentile(a, 90) Out[7]: 91.10000000000001
详看官方文档
numpy.percentile Parameters ---------- a : np数组 q : float in range of [0,100] (or sequence of floats) Percentile to compute。 要计算的q分位数。 axis : 那个轴上运算。 keepdims :bool是否保持维度不变。 Examples -------- >>> a = np.array([[10, 7, 4], [3, 2, 1]]) >>> a array([[10, 7, 4], [ 3, 2, 1]]) >>> np.percentile(a, 50) #50%的分位数，就是a里排序之后的中位数 3.5 >>> np.percentile(a, 50, axis=0) #axis为0，在纵列上求 array([[ 6.5, 4.5, 2.5]]) >>> np.percentile(a, 50, axis=1) #axis为1，在横行上求 array([ 7., 2.]) >>> np.percentile(a, 50, axis=1, keepdims=True) #keepdims=True保持维度不变 array([[ 7.], [ 2.]])
补充知识：关于np.percentile函数的自己的理解（我觉得很对）
最近在跑别人baseline的时候看到np.percentile这个函数，之前没有用过，就跑去官方文档看了看到底是怎么工作的(官方文档连接)
行吧，官方文档给出的例子居然是以50为例（我当然知道这是得到中位数啊！！！），但是自己在运行的时候一直不明白下面的结果为什么是5.8.
后来自己琢磨了一下，函数得到的结果是得到一个数，列表中百分之60的数小于该数字。
图中的列表长度为9,。数字1所对应的是0%，数字9对应的是100%，中间有8个间隔。100/8=12.5.
参数为60，那么60/12.5=4.8，意味着需要4.8个间隔，好的，先跳过4个间隔，现在到达5这个位置，然后往后0.8个间隔，该间隔对应的长度为6-5=1，所以最后得出的结果为5+1*0.8=5.8，和函数输出的结果一样。
主要是自己爱较真，不想了解具体怎么算的话只要记住函数的统计意义就可以。
另外关于我的解释中为什么要用“间隔”这种描述，因为我写的例子中1-9，间隔相邻数字的差是一样的，但是在实际应用中可能不一样。
以上这篇python numpy库np.percentile用法说明就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。