Python中的NumPy实用函数整理之percentile详解
更新时间：2023年09月22日 08:37:24 作者：学习爱好者fz
这篇文章主要介绍了Python中的NumPy实用函数整理之percentile详解,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,需要的朋友可以参考下
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(a, q, axis=None, out=None,overwrite_input=False, interpolation='linear', keepdims=False)
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。
- ‘linear’: i + (j - i) * fraction,fraction介于0.5到1之间
- ‘lower’: i
- ‘higher’: j
- ‘nearest’: i or j, 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 plt
a = 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()到此这篇关于Python中的NumPy实用函数整理之percentile详解的文章就介绍到这了,更多相关NumPy的percentile内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
这篇文章主要介绍了Python字符串hashlib加密模块使用案例,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-03-03
这篇文章主要介绍了Python文本统计功能之西游记用字统计操作,结合实例形式分析了Python文本读取、遍历、统计等相关操作技巧,需要的朋友可以参考下2018-05-05
这篇文章主要为大家详细介绍了如何基于Python编写一个脚本,可以实现获取主机名、外网IP（通过多个公共API尝试） IPV4和IPV6以及所有网络接口的内网IP,感兴趣的可以了解下2025-03-03
这篇文章主要为大家介绍了Python爬虫数据处理模块的安装使用教程，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2023-06-06
这篇文章主要给大家分享在Python中执行cmd，下文描述了三个方法使用os.system()方法、使用os.popen()方法、使用subprocess.Popen(),需要的朋友可以参考一下2021-09-09
Expected conditions模块使用方法汇总代码解析
这篇文章主要介绍了Expected conditions模块使用方法汇总代码解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-08-08
这篇文章主要介绍了Python生成随机验证码代码实例解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-06-06
一直在思索实现一个透明的窗体，然后可以基于这个窗体可以开发出各种好玩的应用，这一期，我们将实现有趣的GIF录屏功能2021-05-05
今天小编就为大家分享一篇使用PyTorch将文件夹下的图片分为训练集和验证集实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-01-01
本文介绍了四种在Python中快速下载依赖的方法,包括使用国内镜像源、开启pip并发下载功能、使用pipreqs批量下载项目依赖以及使用conda管理依赖,通过这些方法,可以有效提升Python项目的依赖下载速度2025-03-03
最新评论