⭐️ np.percentile函数

np.percentile` 是 NumPy 库中的一个函数，用于计算给定数据数组的指定百分位数。百分位数表示数据中有多少比例的值小于或等于某个值，例如，第25百分位数表示数据中有25%的值小于或等于这个值。

np.percentile 函数的语法

numpy.percentile(a, q, axis=None, out=None, overwrite_input=False, method='linear', keepdims=False)

参数说明

• a：需要计算百分位数的数组或可迭代对象。可以是一维或多维数组。

• q：一个或多个表示百分位数的值，范围从0到100。例如，如果q=50，表示计算数据的中位数（50百分位数）。

• axis：可选。指定计算百分位数的轴。如果未指定，默认在数组的所有元素上计算百分位数。对于二维数组，如果axis=0，则按列计算百分位数；如果axis=1，则按行计算百分位数。

• out：可选。用于存储结果的数组。

• overwrite_input：可选。如果设置为True，函数可以修改输入数组以节省内存。默认是False。

• method：可选。用于计算百分位数的插值方法，默认是 'linear'，可以是'lower'、'higher'、'nearest'等。

• keepdims：可选。如果设置为True，在计算后保持输出与输入的维度一致。默认是False。

返回值

返回一个或多个指定百分位数对应的数值。根据输入的q是单个值还是多个值，返回值可以是一个标量或数组。

⭐️ 示例说明

1. 计算单个百分位数：

   import numpy as np
   
   data = [1, 2, 3, 4, 5]
   percentile_50 = np.percentile(data, 50)
   print(percentile_50)  # 输出：3.0
   

   • 在这个例子中，我们计算了数据的50百分位数，即中位数。

2. 计算多个百分位数：

   percentiles = np.percentile(data, [25, 50, 75])
   print(percentiles)  # 输出：[2. 3. 4.]
   

   • 这里我们计算了第25、50和75百分位数。结果是2、3、4，分别对应四分位数（第25和75百分位数）和中位数。

3. 按轴计算百分位数：

   data = np.array([[10, 7, 4], [3, 2, 1]])
   percentile_50_axis0 = np.percentile(data, 50, axis=0)
   print(percentile_50_axis0)  # 输出：[6.5 4.5 2.5]
   

   • 这个例子中，我们计算了沿着axis=0（即列）方向的50百分位数。结果分别是每一列的中位数。
     

总结

• np.percentile 函数是一个用于统计分析的强大工具，通过它可以轻松地计算任何数组中的百分位数，用以描述数据的分布情况。

• 百分位数在数据分析中非常有用，特别是在分段、分组或理解数据的分布特性时，帮助我们识别数据的集中趋势或极端值的影响。

• 在逻辑回归提升图的绘制中，np.percentile 可以用来将预测概率划分为不同的分段，从而分析模型在不同分位数下的表现。

笔者水平有限，若有不对的地方欢迎评论指正！