如何从频率表中计算百分位数？

Question

我有 CSV 文件：

fr id
 1 10000152
 1 10000212
 1 10000847
 1 10001018
 2 10001052
 2 10001246
14 10001908
...........

这是一个频率表，其中id是整数变量， fr是给定值的出现次数。 文件按值升序排序。 我想计算变量的百分位数（即 90%、80%、70% ... 10%）。

我是用纯 Python 完成的，类似于这个伪代码：

bucket=sum(fr)/10.0
percentile=1
sum=0
for (current_fr, current_id) in zip(fr,id):
   sum=sum+current_fr
   if (sum > percentile*bucket):
      print "%i percentile: %i" % (percentile*10,current_id)
      percentile=percentile+1

但是这段代码非常原始：它没有考虑百分位数应该在集合中的值之间，它不能后退等。

有没有更优雅、通用、现成的解决方案？

Answer 1

似乎您想要fr累积总和。 你可以做

cumfr = [sum(fr[:i+1]) for i in range(len(fr))]

那么百分位数是

percentile = [100*i/cumfr[-1] for i in cumfr]