NumPy参考 >例行程序 >Statistics > numpy.quantile
numpy.quantile（a，q，axis = None，out = None，overwrite_input = False，插值='linear'，keepdims = False ）[源代码] ¶计算沿指定轴的数据的第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。
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q是单个分位数并且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。
笔记
给定V长度向量N，第q个分位数
V是的q排序副本中从最小到最大的方式的值V。如果归一化排名与精确位置不完全匹配，则两个最近邻居的值和距离以及内插参数将确定分位数q。此函数与if中位数相同，if q=0.5等于最小值，if q=0.0等于最大值q=1.0。
例子
>>> a = np.array([[10, 7, 4], [3, 2, 1]])
>>> a
array([[10, 7, 4],
[ 3, 2, 1]])
>>> np.quantile(a, 0.5)
3.5
>>> np.quantile(a, 0.5, axis=0)
array([6.5, 4.5, 2.5])
>>> np.quantile(a, 0.5, axis=1)
array([7., 2.])
>>> np.quantile(a, 0.5, axis=1, keepdims=True)
array([[7.],
[2.]])
>>> m = np.quantile(a, 0.5, axis=0)
>>> out = np.zeros_like(m)
>>> np.quantile(a, 0.5, axis=0, out=out)
array([6.5, 4.5, 2.5])
>>> m
array([6.5, 4.5, 2.5])
>>> b = a.copy()
>>> np.quantile(b, 0.5, axis=1, overwrite_input=True)
array([7., 2.])
>>> assert not np.all(a == b)