不是一个现成的函数，而是一个紧凑且相当快的代码片段：

(a<value).mean()

您可以（至少在我的机器上）通过使用np.count_nonzero来挤出几个百分点的性能提升

np.count_nonzero(a<value) / a.size

但我根本不想麻烦你

有一个方便的功能可以做到这一点。请注意，它不是精确的逆，因为quantile/percentile函数不是精确的。给定一个有限的观测数组，这些值将具有离散值;换句话说，您可能指定了一个介于这些值之间的福尔斯q，函数会找到最接近的值。

from scipy import stats
import numpy as np

stats.percentileofscore(np.arange(0,1,0.12), .65, 'weak') / 100

如果x是排序的，索引i处的值是i / len(x)百分位数（或左右，取决于您想要如何处理边界条件）。如果x未排序，则可以通过将x.argsort().argsort()[i]替换为i（或先对x进行排序）来获得相同的值。因为argsort是它自己的逆，所以双argsort告诉你原始数组的每个元素在排序数组中的位置。
如果你想找到任意值的结果，而不一定是在x中，你可以将np.searchsorted应用于x的排序版本，并对结果进行插值。您可以使用更复杂的方法，例如将样条曲线拟合到已排序的数据或类似的方法。

虽然vals = x.argsort().argsort()/(x.size-1)在具有完全唯一值的数组中工作，但如果有重复的值，它就会失败。相同的值应该具有相同的分位数值，但例如，如果数组x有200个零值和800个大于零的值，则此方法将为这些零值提供给予200个不同的分位数值。使用vals = np.array([np.count_nonzero(x<x_i)/(x.size-1) for x_i in x])更安全，因为相同的值会得到相同的分位数位置。

import numpy as np

def get_quant(x):
  " for each value in x, return which quantile it corresponds to "
  return np.array([np.count_nonzero(x<x_i)/(len(x)-1) for x_i in x])

注意：(x.size-1)分位数确保分位数值的范围为0到1（含0和1）。省略-1意味着永远不会达到100%分位数。