1、什么是百分位

百分位，人體測量用語，確定人體尺寸分布值的方法。

百分位表示具有某一人體尺寸和小于該尺寸的人占統(tǒng)計對象總?cè)藬?shù)的百分比。以第5百分位、人體身高尺寸為例，表示有5%的人身高等于或小于該尺寸。

由于人的人體尺寸有很大的變化，它不是某一確定的數(shù)值，而是分布于一定的范圍內(nèi)。如亞洲人的身高是151～188厘米這個范圍，而我們設計時只能用一個確定的數(shù)值，而且并不能象我們一般理解的那樣用平均值。確定要使用那一數(shù)值就是百分位的方法要解決的問題。

2、具體應用

大部分的人體測量數(shù)據(jù)是按百分位表達的，把研究對象分成一百份，根據(jù)一些指定的人體尺寸項目（如身高），從最小到最大順序排列，進行分段，每一段的截至點即為一個百分位。例如我們?nèi)粢陨砀邽槔旱?百分位的尺寸表示有5%的人身高等于或小于這個尺寸。換句話說就是有95%的人身高高于這個尺寸。第95百分位則表示有95%的人等于或小于這個尺寸，5%的人具有更高的身高。第50百分位為中點，表示把一組數(shù)據(jù)平分成兩組，較大的50%較小的50%。第50百分位的數(shù)值可以說接近 平均值，但決不能理解為有"平均人"這樣的尺寸。

統(tǒng)計學表明，任意一組特定對象的人體尺寸，其分布規(guī)律符合正態(tài)分布的規(guī)律，即大部分屬于中間值，只有一小部分屬于過大和過小的值，它們分布在范圍的兩端，設第5百分位和第95百分位，第5百分位表示身材較小的，有5%的人低此尺寸；第95百分位表示高，即有5%的人高于此值。在設計上滿足所有人的要求是不可能的，但必須滿足大多數(shù)人。所以必須從中間部分取用能夠滿足大多數(shù)人的尺寸數(shù)據(jù)作為依據(jù)，因此一般都是舍去兩頭，只涉及中間90%、95%或99%的大多數(shù)人，只排除少數(shù)人。應該排除多少取決于排除的后果情況和經(jīng)濟效果。

3、如何在 Python 中計算百分位數(shù)

百分位數(shù)是統(tǒng)計學中常用的一種指標，用于度量數(shù)據(jù)分布的集中程度。

1、統(tǒng)計學術(shù)語，如果將一組數(shù)據(jù)從小到大排序，并計算相應的累計百分位，則某一百分位所對應數(shù)據(jù)的值就稱為這一百分位的百分位數(shù)?？杀硎緸椋阂唤Mn個觀測值按數(shù)值大小排列。如，處于p%位置的值稱第p百分位數(shù)。

2、百分位通常用第幾百分位來表示，如第五百分位，它表示在所有測量數(shù)據(jù)中，測量值的累計頻次達5%。以身高為例，身高分布的第五百分位表示有5%的人的身高小于此測量值，95%的身高大于此測量值。

在 Python 中，可以使用 numpy  庫來計算百分位數(shù)。

4、函數(shù)說明

np.percentile(a, q, axis=None, out=None, overwrite_input=False, interpolation='linear', keepdims=False)
 
a : array，用來算分位數(shù)的對象，可以是多維的數(shù)組
q : 介于0-100的float，用來計算是幾分位的參數(shù)，如四分之一位就是25，如要算兩個位置的數(shù)就(25,75)
axis : 坐標軸的方向，一維的就不用考慮了，多維的就用這個調(diào)整計算的維度方向，取值范圍0/1
out : 輸出數(shù)據(jù)的存放對象，參數(shù)要與預期輸出有相同的形狀和緩沖區(qū)長度
overwrite_input : bool，默認False，為True時及計算直接在數(shù)組內(nèi)存計算，計算后原數(shù)組無法保存
interpolation : 取值范圍{'linear', 'lower', 'higher', 'midpoint', 'nearest'}
            默認liner，比如取中位數(shù)，但是中位數(shù)有兩個數(shù)字6和7，選不同參數(shù)來調(diào)整輸出
keepdims : bool,默認False,為真時取中位數(shù)的那個軸將保留在結(jié)果中

5、代碼示例

import numpy as np
data = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
p = 50
result = np.percentile(data, p)
print("第", p, "個百分位數(shù)是", result)

在上面的代碼中，我們使用了 numpy 庫的 percentile 函數(shù)來計算數(shù)據(jù)集 data 的第 50 個百分位數(shù)。輸出結(jié)果為第 50 個百分位數(shù)是 5.5。

除了計算單個百分位數(shù)，numpy 庫還支持計算多個百分位數(shù)。以下是示例代碼：

import numpy as np
data = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
p = [25, 50, 75]
result = np.percentile(data, p)
print("第", p, "個百分位數(shù)分別是", result)

在上面的代碼中，我們使用了 numpy 庫的 percentile 函數(shù)來計算數(shù)據(jù)集 data 的第 25、50、75 個百分位數(shù)。輸出結(jié)果為第 [25, 50, 75] 個百分位數(shù)分別是 [3.25, 5.5, 7.75]。

總結(jié)

到此這篇關于Python中numpy的np.percentile百分位函數(shù)的文章就介紹到這了,更多相關numpy np.percentile百分位函數(shù)內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論