np.percentile函数全面解析

小蓝 • 2024-11-13 06:06 • 编程

一、np.percentile函数

在数据分析中，我们常常需要了解数据的分布情况，知道数据在何种程度上占比较高或较低，np.percentile()函数就能够帮助我们实现这一需求。

np.percentile(a, q, axis=None, out=None)

其中，a表示需要计算的数据，q表示求解的分位数，axis表示需要计算的数据的轴向，out表示可选参数。

二、np.percentile函数用法

np.percentile函数主要用于计算数据在不同百分位数的值，例如，想知道一组数据在90%的百分位数处的值，就可以这样写：

import numpy as np
data=np.array([1,2,3,4,5,6,7,8,9,10])
np.percentile(data,90)

输出结果为9.1。

需要注意的是，np.percentile函数中的q参数是一个数组，即可以计算多个分位数，并返回对应结果：

np.percentile(data, [20, 50, 80])

输出结果为array([2.8, 5.5, 8.2])。

三、np.percentile 计算原理

要理解np.percentile函数的计算原理，需要先了解“分位数”的概念，分位数是指将所有数按大小顺序排序后，按照百分数的大小，将其分为100份，每份的数据量即为1%。其中，中位数就是50%的分位数。

np.percentile函数在计算分位数时，采用向下取整的方式计算。例如，计算数据在50%百分位数上的值，如果总数据数量为n，那么就找到排序后位置为n/2的数据，这就是50%分位数。

四、np.percentile函数怎么用

np.percentile函数可以应用于各种数据分析的场景，例如，可以用于计算数据集的平均数、中位数、众数、四分位数等。在金融、医疗等领域，也可用于分析数据分布，评估数据提取效率。

五、np.percentile()函数超详解

np.percentile函数功能强大，具有很多可选参数：

axis参数表示对数据的哪个维度进行计算，默认值为None，表示计算整个数据的分位数；
out参数表示计算结果输出的位置，默认值为None，表示直接返回结果；
interpolation参数表示计算分位数时使用的插值方式，默认为linear（线性插值），还可以选择lower（向下取整）、higher（向上取整）、nearest（离值最近的整数）的插值方法。

举个例子，计算一个3D张量数据的80%分位数：

data=np.random.rand(4,5,6)
np.percentile(data,80,axis=(0,1))

输出结果为一个长度为6的向量。

六、np.percentile函数超详解

在图像处理中，np.percentile函数也有很好的应用，可以实现多种图像处理的功能，例如对图像的亮度调整、图像的对比度增强等。下面举一个图像亮度调整的例子：

import matplotlib.pyplot as plt
import skimage.data
image=skimage.data.astronaut()
p3, p97 = np.percentile(image, (3, 97))
image_rescale = exposure.rescale_intensity(image, in_range=(p3, p97))
fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(8, 5), sharex=True, sharey=True)
ax = axes.ravel()
ax[0].imshow(image, cmap='gray')
ax[0].set_title('Before')
ax[1].imshow(image_rescale, cmap='gray')
ax[1].set_title('After')
fig.tight_layout()
plt.show()

上面的代码将一张宇航员照片进行了亮度调整，输出结果为一个子图，左边为原图，右边为调整后的图。

七、np.percentile函数语法

总体来说，np.percentile函数的语法简单而又灵活。

np.percentile(a, q, axis=None, out=None)

在使用时需要确定好计算的数据、需要计算的分位数、计算的轴向、输出结果的位置等参数，具体使用可以根据自己的需求灵活选择。

原创文章，作者：小蓝，如若转载，请注明出处：https://www.506064.com/n/152745.html