我试图理解numpy.quantile
函数是如何工作的。
我得到了0.25和0.5分位数的期望值,但0.75分位数似乎做了一些不同的事情。
数据:13、21、21、40、42、48、55、72
0.25×(8+1)= 2.25 →所选数据集的第2个值→ 21
0.50×(8+1)= 4.5 →第4和第5个值的平均值→ 41
0.75×(8+1)= 6.75 →所选数据集的第7个值→ 55
为什么np.quantile
给予49.75作为0.75分位数的答案,而不是55?
代码和输出:
import numpy as np
values = [13, 21, 21, 40, 42, 48, 55, 72]
print(len(values))
x = np.quantile(values, [0, 0.25, 0.5, 0.75, 1])
print(x)
输出:
8
[13. 21. 41. 49.75 72. ]
1条答案
按热度按时间rjee0c151#
您必须为numpy.quantile指定正确的方法,即在您的情况下,更高的值将起作用:
文件地址:https://numpy.org/doc/stable/reference/generated/numpy.quantile.html