在Numpy中重新创建R分位数类型2

Question

我正在将一些旧版代码从R迁移到Python，并且在将quantile结果与numpy percentile匹配时遇到麻烦。

给出以下数字列表：

a1 = [
    5.75,6.13333333333333,7.13636363636364,9,10.1,4.80952380952381,8.82926829268293,4.7906976744186,3.83333333333333,6,6.1,
    8.88235294117647,30,5.7,3.98507462686567,6.83333333333333,8.39805825242718,4.78260869565217,7.26356589147287,5.67857142857143,
    3.58333333333333,6.69230769230769,14.3333333333333,14.3333333333333,5.125,5.16216216216216,5.36363636363636,10.7142857142857,
    4.90909090909091,7.5,8,6,6.93939393939394,10.4,6,6.8,5.33333333333333,10.3076923076923,4.5625,5.4,6.44,3.36363636363636,
    11.1666666666667,4.5,7.35714285714286,10.6363636363636,9.26746031746032,3.83333333333333,5.75,9.14285714285714,8.27272727272727,
    5,5.92307692307692,5.23076923076923,4.09375,6.25,4.63888888888889,6.07142857142857,5,5.42222222222222,3.93892045454545,4.8,
    8.71428571428571,6.25925925925926,4.12,5.30769230769231,4.26086956521739,5.22222222222222,4.64285714285714,5,3.64705882352941,
    5.33333333333333,3.65217391304348,3.54166666666667,10.0952380952381,3.38235294117647,8.67123287671233,2.66666666666667,3.5,4.875,
    4.5,6.2,5.45454545454545,4.89189189189189,4.71428571428571,1,5.33333333333333,6.09090909090909,4.36756756756757,6,5.17197452229299,
    4.48717948717949,5.01219512195122,4.83098591549296,5.25,8.52,5.47692307692308,5.45454545454545,8.6578947368421,8.35714285714286,3.25,
    8.5,4,5.95652173913043,7.05882352941176,7.5,8.6,8.49122807017544,5.14285714285714,4,13.3294117647059,9.55172413793103,5.57446808510638,
    4.5,8,4.11764705882353,3.9,5.14285714285714,6,4.66666666666667,6,3.75,4.93333333333333,4.5,5.21666666666667,6.53125,6,7,7.28333333333333,
    7.34615384615385,7.15277777777778,8.07936507936508,11.609756097561
]

使用R中的分位数，使>]

quantile(a1, probs=.05, type=2)
给出3.541667的结果

尝试使用numpy中的所有插值方法以找到相同的结果：

{x:np.percentile(a1,q=5, interpolation=x) for x in ['linear','lower','higher','nearest','midpoint']}
收益率

{'linear': 3.566666666666666,
 'lower': 3.54166666666667,
 'higher': 3.58333333333333,
 'nearest': 3.58333333333333,
 'midpoint': 3.5625}
如我们所见，lower插值方法返回的结果与R分位数类型2相同

然而，R中的分位数不同，我们得到的结果也不同：

quantile(a1, probs=.95, type=2)
给出10.71429的结果

和numpy：

{x:np.percentile(a1,q=95, interpolation=x) for x in ['linear','lower','higher','nearest','midpoint']}
收益率

{'linear': 10.667532467532439,
 'lower': 10.6363636363636,
 'higher': 10.7142857142857,
 'nearest': 10.6363636363636,
 'midpoint': 10.67532467532465}
在这种情况下，higher插值方法返回相同的结果

我希望有人熟悉R分位数类型，可以帮助我在numpy中重现相同的分位数逻辑。

我正在将一些旧代码从R迁移到Python，但在将分位数结果与numpy百分位数匹配时遇到麻烦。给定以下数字列表：a1 = [5.75,6.13333333333333,7 ....

Answer 1

您可以自己实现。使用type=2，这是一个相当简单的计算。您要么获取下一个最高阶统计量，要么获取不连续性（即100个值，并且希望p = 0.06，恰好位于第6个值），您可以获取该阶次统计量的平均值和下一个最高阶的统计量。]