numpy的百分位函數究竟做了什么？

Question

根據我的理解， numpy的百分位計算數據的第q百分位數。

但它是如何做到的呢？

---

比如說，給定x = np.array([1.3, 1.7, 2.4, 2.8, 3.5, 5.6, 6.6, 7.7, 8.8, 9.9]) （里面有10個浮點數）。

如果我做np.percentile(x, 100) ，它會返回9.9000000000000004 。

如果我做np.percentile(x, 90) ，它應該返回8.8 ，對嗎？ 但它回饋了8.9100000000000001 。

---

為什么會有這樣的差異？ 這些差異是否可以接受？

Answer 1

從版本1.9.0開始，Numpy的百分位函數有一個interpolation參數， 在這樣的文檔中描述：

插值 ：{'線性'，'低'，'高'，'中點'，'最近'}
當所需的分位數位於兩個數據點i和j之間時，此可選參數指定要使用的插值方法：

• 線性：i +（j - i）*分數，其中分數是由i和j包圍的索引的小數部分。
• 更低：我
• 更高：j。
• 最近的：我或j哪個最近。
• 中點：（i + j）/ 2。

它默認為線性 。 如果您想從示例中獲得8.8 ，請運行：

np.percentile(x, 90, interopolation='lower')

Answer 2

根據我的理解，90％-percentile不必是輸入數組中的項目。

從文檔 ：

給定長度為N的向量V，V的第q個百分位數是V的排序副本中的第q個排名值。兩個最近鄰居的值和距離以及插值參數將確定百分位數，如果標准化排名與q完全不匹配。 如果q = 50，則此函數與中位數相同，如果q = 0，則與最小值相同，如果q = 100，則與最大值相同。

浮點表示的問題（導致np.percentile(x, 100)與9.9相比略有不同）是眾所周知的 。