NumPy参考 >例行程序 >Statistics > numpy.nanquantile
numpy.nanquantile（a，q，axis = None，out = None，overwrite_input = False，插值='linear'，keepdims = <无值> ）[源代码] ¶沿指定轴计算数据的第q个分位数，而忽略nan值。返回数组元素的第q个分位数。
1.15.0版中的新功能。
输入数组或可以转换为数组的对象，其中包含要忽略的nan值
要计算的分位数或分位数序列，必须在0到1之间（含0和1）。
用于计算分位数的一个或多个轴。默认值是沿数组的展平版本计算分位数。
放置结果的替代输出数组。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。
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。
此可选参数指定当所需分位数位于两个数据点之间时要使用的插值方法
：i < j
线性：，其中
是由
和包围的索引的小数部分。i + (j - i) * fractionfractionij
较低：i。
更高：j。
最近的：i或j，以最近的一个为准。
中点：。(i + j) / 2
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。
如果这不是默认值，它将通过（在特殊情况下为空数组）传递给mean基础数组的
函数。如果数组是子类并且mean没有kwarg keepdims，则将引发RuntimeError。
如果q是单个百分位数，而axis = None，则结果是标量。如果给出了多个分位数，则结果的第一轴对应于分位数。其他轴是a减小后剩余的轴。如果输入包含小于的整数或浮点数float64，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。
也可以看看
nanmedian相当于 nanquantile(..., 0.5)
nanpercentile与nanquantile相同，但q在[0，100]范围内。
例子
>>> a = np.array([[10., 7., 4.], [3., 2., 1.]])
>>> a[0][1] = np.nan
>>> a
array([[10., nan, 4.],
[ 3., 2., 1.]])
>>> np.quantile(a, 0.5)
nan
>>> np.nanquantile(a, 0.5)
3.0
>>> np.nanquantile(a, 0.5, axis=0)
array([6.5, 2. , 2.5])
>>> np.nanquantile(a, 0.5, axis=1, keepdims=True)
array([[7.],
[2.]])
>>> m = np.nanquantile(a, 0.5, axis=0)
>>> out = np.zeros_like(m)
>>> np.nanquantile(a, 0.5, axis=0, out=out)
array([6.5, 2. , 2.5])
>>> m
array([6.5, 2. , 2.5])
>>> b = a.copy()
>>> np.nanquantile(b, 0.5, axis=1, overwrite_input=True)
array([7., 2.])
>>> assert not np.all(a==b)