Як обчислити відсотки за допомогою python / numpy?


214

Чи є зручний спосіб обчислити відсотки для послідовності або одновимірного нумерованого масиву?

Я шукаю щось подібне до функції персетилу Excel.

Я переглянув довідник статистики NumPy і не зміг цього знайти. Все, що я міг знайти, це медіана (50-й перцентиль), але не щось більш конкретне.


Пов'язаний з цим питання про обчислення процентилю від частот: stackoverflow.com/questions/25070086 / ...
newtover

Відповіді:


282

Можливо, вас зацікавить пакет SciPy Stats . Він має відсоткову функцію, яку ви шукаєте, і багато інших статистичних вигод.

percentile() доступний і в numpy.

import numpy as np
a = np.array([1,2,3,4,5])
p = np.percentile(a, 50) # return 50th percentile, e.g median.
print p
3.0

Цей квиток змушує мене вірити, що незабаром вони не будуть інтегруватися percentile()в нуме.


2
Дякую! Отож, там він ховався. Я знав про науку, але, мабуть, припускав, що прості речі, такі як відсотки, будуть вбудовані в нуме.
Урі

16
На даний момент функція процентиля існує в numpy: docs.scipy.org/doc/numpy/reference/generated/…
Anaphory

1
Ви також можете використовувати його як функцію агрегації, наприклад, для обчислення десятого перцентилету кожної групи стовпців значень за ключем, використовуйтеdf.groupby('key')[['value']].agg(lambda g: np.percentile(g, 10))
patricksurry

1
Зауважимо, що SciPy рекомендує використовувати np.percentile для NumPy 1.9 і новіших
timdiels

73

До речі, існує реалізація відсоткової функції в чистому Python , якщо ви не хочете залежати від scipy. Функція скопійована нижче:

## {{{ http://code.activestate.com/recipes/511478/ (r1)
import math
import functools

def percentile(N, percent, key=lambda x:x):
    """
    Find the percentile of a list of values.

    @parameter N - is a list of values. Note N MUST BE already sorted.
    @parameter percent - a float value from 0.0 to 1.0.
    @parameter key - optional key function to compute value from each element of N.

    @return - the percentile of the values
    """
    if not N:
        return None
    k = (len(N)-1) * percent
    f = math.floor(k)
    c = math.ceil(k)
    if f == c:
        return key(N[int(k)])
    d0 = key(N[int(f)]) * (c-k)
    d1 = key(N[int(c)]) * (k-f)
    return d0+d1

# median is 50th percentile.
median = functools.partial(percentile, percent=0.5)
## end of http://code.activestate.com/recipes/511478/ }}}

54
Я автор вищевказаного рецепту. Коментолог в ASPN вказав, що в оригінальному коді є помилка. Формула повинна бути d0 = ключ (N [int (f)]) * (ck); d1 = ключ (N [int (c)]) * (kf). Це було виправлено на ASPN.
Вай Іп Тунг

1
Як percentileзнати, для чого використовувати N? Це не вказано у виклику функції.
Річард

14
для тих, хто навіть не читав код, перед його використанням слід N відсортувати
кевін

Мене бентежить вислів лямбда. Що це робить і як це робить? Я знаю, що таке лямбда-вираз, тому я не запитую, що таке лямбда. Я запитую, що робить цей специфічний лямбдаський вираз і як він це робить, крок за кроком? Дякую!
dsanchez

Функція лямбда дозволяє перетворити дані, Nперш ніж обчислити відсоток. Скажімо, у вас насправді є список кортежів, N = [(1, 2), (3, 1), ..., (5, 1)]і ви хочете отримати перцентиль першого елемента кортежів, то вибираєте key=lambda x: x[0]. Ви також можете застосувати деякі (зміни порядку) перетворення до елементів списку, перш ніж обчислити відсоток.
Ілля Стреле

26
import numpy as np
a = [154, 400, 1124, 82, 94, 108]
print np.percentile(a,95) # gives the 95th percentile

19

Ось як це зробити без numpy, використовуючи лише python для обчислення відсотків.

import math

def percentile(data, percentile):
    size = len(data)
    return sorted(data)[int(math.ceil((size * percentile) / 100)) - 1]

p5 = percentile(mylist, 5)
p25 = percentile(mylist, 25)
p50 = percentile(mylist, 50)
p75 = percentile(mylist, 75)
p95 = percentile(mylist, 95)

2
Так, ви повинні сортувати список раніше: mylist = sorted (...)
Ашкан

12

Визначення процентиля, яке я зазвичай бачу, очікує в результаті значення з поданого списку, нижче якого знаходяться P відсотків значень ... це означає, що результат повинен бути з множини, а не інтерполяції між множиною елементів. Для цього можна скористатися більш простою функцією.

def percentile(N, P):
    """
    Find the percentile of a list of values

    @parameter N - A list of values.  N must be sorted.
    @parameter P - A float value from 0.0 to 1.0

    @return - The percentile of the values.
    """
    n = int(round(P * len(N) + 0.5))
    return N[n-1]

# A = (1, 2, 3, 4, 5, 6, 7, 8, 9, 10)
# B = (15, 20, 35, 40, 50)
#
# print percentile(A, P=0.3)
# 4
# print percentile(A, P=0.8)
# 9
# print percentile(B, P=0.3)
# 20
# print percentile(B, P=0.8)
# 50

Якщо ви скоріше отримаєте значення зі списку, що надається, чи нижче, ніж знайдено P відсотків значень, використовуйте цю просту модифікацію:

def percentile(N, P):
    n = int(round(P * len(N) + 0.5))
    if n > 1:
        return N[n-2]
    else:
        return N[0]

Або зі спрощенням, запропонованим @ijustlovemath:

def percentile(N, P):
    n = max(int(round(P * len(N) + 0.5)), 2)
    return N[n-2]

дякую, я також сподіваюсь, що процентиль / медіана
отримає

1
Привіт @mpounsett Дякуємо за верхній код. Чому ваш процентиль завжди повертає цілі значення? Функція перцентиля повинна повертати N-му перцентилю списку значень, і це може бути і плаваюче число. Наприклад, Excel PERCENTILEфункція повертає наступні процентилю для верхніх прикладів: 3.7 = percentile(A, P=0.3), 0.82 = percentile(A, P=0.8), 20 = percentile(B, P=0.3), 42 = percentile(B, P=0.8).
Марко

1
Це пояснено в першому реченні. Більш поширеним визначенням процентиля є те, що це число в ряду, нижче якого знаходяться P відсотків значень у ряді. Оскільки це номер індексу елемента в списку, він не може бути плаваючим.
mpounsett

Це не працює для 0-го процентиля. Він повертає максимальне значення. Швидке виправлення було б обернути n = int(...)в max(int(...), 1)функцію
ijustlovemath

Для уточнення, ви маєте на увазі у другому прикладі? Я отримую 0, а не максимальне значення. Помилка насправді в іншому пункті .. Я надрукував номер індексу, а не значення, на яке я мав намір. Обгортання присвоєння 'n' в max () виклику також виправить це, але ви хочете, щоб друге значення було 2, а не 1. Потім ви могли б усунути всю структуру if / else і просто надрукувати результат N [n-2]. 0-й перцентиль добре працює у першому прикладі, повертаючи "1" та "15" відповідно.
mpounsett

8

Починаючи Python 3.8, стандартна бібліотека поставляється з quantilesфункцією, що є частиною statisticsмодуля:

from statistics import quantiles

quantiles([1, 2, 3, 4, 5], n=100)
# [0.06, 0.12, 0.18, 0.24, 0.3, 0.36, 0.42, 0.48, 0.54, 0.6, 0.66, 0.72, 0.78, 0.84, 0.9, 0.96, 1.02, 1.08, 1.14, 1.2, 1.26, 1.32, 1.38, 1.44, 1.5, 1.56, 1.62, 1.68, 1.74, 1.8, 1.86, 1.92, 1.98, 2.04, 2.1, 2.16, 2.22, 2.28, 2.34, 2.4, 2.46, 2.52, 2.58, 2.64, 2.7, 2.76, 2.82, 2.88, 2.94, 3.0, 3.06, 3.12, 3.18, 3.24, 3.3, 3.36, 3.42, 3.48, 3.54, 3.6, 3.66, 3.72, 3.78, 3.84, 3.9, 3.96, 4.02, 4.08, 4.14, 4.2, 4.26, 4.32, 4.38, 4.44, 4.5, 4.56, 4.62, 4.68, 4.74, 4.8, 4.86, 4.92, 4.98, 5.04, 5.1, 5.16, 5.22, 5.28, 5.34, 5.4, 5.46, 5.52, 5.58, 5.64, 5.7, 5.76, 5.82, 5.88, 5.94]
quantiles([1, 2, 3, 4, 5], n=100)[49] # 50th percentile (e.g median)
# 3.0

quantilesповертає для заданого розподілу distсписок n - 1точок зрізу, що розділяє nквантильні інтервали (поділ distна nбезперервні проміжки з однаковою ймовірністю):

statistics.quantiles (dist, *, n = 4, метод = 'ексклюзивний')

де n, в нашому випадку ( percentiles) 100.



2

Щоб обчислити відсоток ряду, запустіть:

from scipy.stats import rankdata
import numpy as np

def calc_percentile(a, method='min'):
    if isinstance(a, list):
        a = np.asarray(a)
    return rankdata(a, method=method) / float(len(a))

Наприклад:

a = range(20)
print {val: round(percentile, 3) for val, percentile in zip(a, calc_percentile(a))}
>>> {0: 0.05, 1: 0.1, 2: 0.15, 3: 0.2, 4: 0.25, 5: 0.3, 6: 0.35, 7: 0.4, 8: 0.45, 9: 0.5, 10: 0.55, 11: 0.6, 12: 0.65, 13: 0.7, 14: 0.75, 15: 0.8, 16: 0.85, 17: 0.9, 18: 0.95, 19: 1.0}

1

Якщо вам потрібна відповідь, щоб бути членом вхідного масиву:

Просто додамо, що функція процентиля в numpy за замовчуванням обчислює вихід як лінійне середньозважене середнє значення двох сусідніх записів у вхідному векторі. У деяких випадках люди можуть захотіти, щоб повернутий перцентиль був фактичним елементом вектора, в цьому випадку з версії 1.9.0 ви можете використовувати параметр "інтерполяція" з "нижчим", "вищим" або "найближчим".

import numpy as np
x=np.random.uniform(10,size=(1000))-5.0

np.percentile(x,70) # 70th percentile

2.075966046220879

np.percentile(x,70,interpolation="nearest")

2.0729677997904314

Останній є фактичним входом у вектор, тоді як перший - це лінійна інтерполяція двох векторних записів, які межують з перцентилем


0

для серії: використовуються функції опису

припустимо, у вас є df із наступними стовпцями продажів та ідентифікаторів. ви хочете обчислити відсотки для продажу, то це працює так,

df['sales'].describe(percentiles = [0.0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1])

0.0: .0: minimum
1: maximum 
0.1 : 10th percentile and so on

0

Зручним способом обчислення процентилів для одновимірної послідовності нумерації чи матриці є використання numpy.percentile < https://docs.scipy.org/doc/numpy/reference/generated/numpy.percentile.html >. Приклад:

import numpy as np

a = np.array([0,1,2,3,4,5,6,7,8,9,10])
p50 = np.percentile(a, 50) # return 50th percentile, e.g median.
p90 = np.percentile(a, 90) # return 90th percentile.
print('median = ',p50,' and p90 = ',p90) # median =  5.0  and p90 =  9.0

Однак якщо у ваших даних є якесь значення NaN, наведена вище функція не буде корисною. Рекомендована функція, яка використовується в цьому випадку, є функцією numpy.nanpercentile < https://docs.scipy.org/doc/numpy/reference/generated/numpy.nanpercentile.html >:

import numpy as np

a_NaN = np.array([0.,1.,2.,3.,4.,5.,6.,7.,8.,9.,10.])
a_NaN[0] = np.nan
print('a_NaN',a_NaN)
p50 = np.nanpercentile(a_NaN, 50) # return 50th percentile, e.g median.
p90 = np.nanpercentile(a_NaN, 90) # return 90th percentile.
print('median = ',p50,' and p90 = ',p90) # median =  5.5  and p90 =  9.1

У двох варіантах, представлених вище, ви все ще можете вибрати режим інтерполяції. Дотримуйтесь прикладів нижче для легшого розуміння.

import numpy as np

b = np.array([1,2,3,4,5,6,7,8,9,10])
print('percentiles using default interpolation')
p10 = np.percentile(b, 10) # return 10th percentile.
p50 = np.percentile(b, 50) # return 50th percentile, e.g median.
p90 = np.percentile(b, 90) # return 90th percentile.
print('p10 = ',p10,', median = ',p50,' and p90 = ',p90)
#p10 =  1.9 , median =  5.5  and p90 =  9.1

print('percentiles using interpolation = ', "linear")
p10 = np.percentile(b, 10,interpolation='linear') # return 10th percentile.
p50 = np.percentile(b, 50,interpolation='linear') # return 50th percentile, e.g median.
p90 = np.percentile(b, 90,interpolation='linear') # return 90th percentile.
print('p10 = ',p10,', median = ',p50,' and p90 = ',p90)
#p10 =  1.9 , median =  5.5  and p90 =  9.1

print('percentiles using interpolation = ', "lower")
p10 = np.percentile(b, 10,interpolation='lower') # return 10th percentile.
p50 = np.percentile(b, 50,interpolation='lower') # return 50th percentile, e.g median.
p90 = np.percentile(b, 90,interpolation='lower') # return 90th percentile.
print('p10 = ',p10,', median = ',p50,' and p90 = ',p90)
#p10 =  1 , median =  5  and p90 =  9

print('percentiles using interpolation = ', "higher")
p10 = np.percentile(b, 10,interpolation='higher') # return 10th percentile.
p50 = np.percentile(b, 50,interpolation='higher') # return 50th percentile, e.g median.
p90 = np.percentile(b, 90,interpolation='higher') # return 90th percentile.
print('p10 = ',p10,', median = ',p50,' and p90 = ',p90)
#p10 =  2 , median =  6  and p90 =  10

print('percentiles using interpolation = ', "midpoint")
p10 = np.percentile(b, 10,interpolation='midpoint') # return 10th percentile.
p50 = np.percentile(b, 50,interpolation='midpoint') # return 50th percentile, e.g median.
p90 = np.percentile(b, 90,interpolation='midpoint') # return 90th percentile.
print('p10 = ',p10,', median = ',p50,' and p90 = ',p90)
#p10 =  1.5 , median =  5.5  and p90 =  9.5

print('percentiles using interpolation = ', "nearest")
p10 = np.percentile(b, 10,interpolation='nearest') # return 10th percentile.
p50 = np.percentile(b, 50,interpolation='nearest') # return 50th percentile, e.g median.
p90 = np.percentile(b, 90,interpolation='nearest') # return 90th percentile.
print('p10 = ',p10,', median = ',p50,' and p90 = ',p90)
#p10 =  2 , median =  5  and p90 =  9

Якщо ваш вхідний масив складається лише з цілих значень, ви можете зацікавити відповідь відсотків у вигляді цілого числа. Якщо так, виберіть режим інтерполяції, наприклад "нижчий", "вищий" або "найближчий".

Використовуючи наш веб-сайт, ви визнаєте, що прочитали та зрозуміли наші Політику щодо файлів cookie та Політику конфіденційності.
Licensed under cc by-sa 3.0 with attribution required.