¿Cómo calculo los percentiles con python/numpy?

Question

¿Existe una forma conveniente de calcular los percentiles para una secuencia o una matriz numpy unidimensional?

Estoy buscando algo similar a la función percentil de Excel.

Miré en la referencia de estadísticas de NumPy, y no pude encontrar esto. Todo lo que pude encontrar es la mediana (percentil 50), pero no algo más específico.

Answer 1

Puede que le interese el paquete SciPy Stats. Tiene the percentile function que busca y muchos otros extras estadísticos.

percentile()is available en numpy también.

import numpy as np 
a = np.array([1,2,3,4,5]) 
p = np.percentile(a, 50) # return 50th percentile, e.g median. 
print p 
3.0 

This ticket me lleva a creer que no se integran en percentile() numpy en cualquier momento pronto.

Answer 2

Por cierto, hay a pure-Python implementation of percentile function, en caso de que uno no quiera depender de scipy. La función se copia a continuación:

## {{{ http://code.activestate.com/recipes/511478/ (r1) 
import math 
import functools 

def percentile(N, percent, key=lambda x:x): 
    """ 
    Find the percentile of a list of values. 

    @parameter N - is a list of values. Note N MUST BE already sorted. 
    @parameter percent - a float value from 0.0 to 1.0. 
    @parameter key - optional key function to compute value from each element of N. 

    @return - the percentile of the values 
    """ 
    if not N: 
     return None 
    k = (len(N)-1) * percent 
    f = math.floor(k) 
    c = math.ceil(k) 
    if f == c: 
     return key(N[int(k)]) 
    d0 = key(N[int(f)]) * (c-k) 
    d1 = key(N[int(c)]) * (k-f) 
    return d0+d1 

# median is 50th percentile. 
median = functools.partial(percentile, percent=0.5) 
## end of http://code.activestate.com/recipes/511478/ }}} 

Answer 3

cheque por módulo scipy.stats:

scipy.stats.scoreatpercentile 

Answer 4

La definición de percentil suelo ver espera como resultado el valor de la lista suministrada por debajo del cual P por ciento de los valores se encuentran ... lo que significa que el resultado debe ser del conjunto, no una interpolación entre los elementos del conjunto. Para obtener eso, puedes usar una función más simple.

def percentile(N, P): 
    """ 
    Find the percentile of a list of values 

    @parameter N - A list of values. N must be sorted. 
    @parameter P - A float value from 0.0 to 1.0 

    @return - The percentile of the values. 
    """ 
    n = int(round(P * len(N) + 0.5)) 
    return N[n-1] 

# A = (1, 2, 3, 4, 5, 6, 7, 8, 9, 10) 
# B = (15, 20, 35, 40, 50) 
# 
# print percentile(A, P=0.3) 
# 4 
# print percentile(A, P=0.8) 
# 9 
# print percentile(B, P=0.3) 
# 20 
# print percentile(B, P=0.8) 
# 50 

Si prefiere obtener el valor de la lista suministrada en o por debajo de la cual p por ciento de los valores se encuentran, a continuación, utilizar esta sencilla modificación:

def percentile(N, P): 
    n = int(round(P * len(N) + 0.5)) 
    if n > 1: 
     return N[n-2] 
    else: 
     return N[0] 

O con la simplificación sugerida por @ijustlovemath :

def percentile(N, P): 
    n = max(int(round(P * len(N) + 0.5)), 2) 
    return N[n-2] 

Answer 5

Aquí se explica cómo hacerlo sin numpy, utilizando solo python para calcular el percentil.

import math 

def percentile(data, percentile): 
    size = len(data) 
    return sorted(data)[int(math.ceil((size * percentile)/100)) - 1] 

p5 = percentile(mylist, 5) 
p25 = percentile(mylist, 25) 
p50 = percentile(mylist, 50) 
p75 = percentile(mylist, 75) 
p95 = percentile(mylist, 95) 

Answer 6

import numpy as np 
a = [154, 400, 1124, 82, 94, 108] 
print np.percentile(a,95) # gives the 95th percentile 

Answer 7

Para calcular el percentil de una serie, ejecute:

from scipy.stats import rankdata 
import numpy as np 

def calc_percentile(a, method='min'): 
    if isinstance(a, list): 
     a = np.asarray(a) 
    return rankdata(a, method=method)/float(len(a)) 

Por ejemplo:

a = range(20) 
print {val: round(percentile, 3) for val, percentile in zip(a, calc_percentile(a))} 
>>> {0: 0.05, 1: 0.1, 2: 0.15, 3: 0.2, 4: 0.25, 5: 0.3, 6: 0.35, 7: 0.4, 8: 0.45, 9: 0.5, 10: 0.55, 11: 0.6, 12: 0.65, 13: 0.7, 14: 0.75, 15: 0.8, 16: 0.85, 17: 0.9, 18: 0.95, 19: 1.0}