为什么 np.percentile 对于高百分位数返回 NaN？

Question

此代码：

print len(my_series)
print np.percentile(my_series, 98)
print np.percentile(my_series, 99)

给出：

14221  # This is the series length
1644.2  # 98th percentile
nan  # 99th percentile?

为什么 98 工作正常，但 99 却给出

nan

？

Answer 1

np.percentile 将 nan 视为非常高的数字。因此，高百分位数将在您最终得到 nan 的范围内。在您的情况下，1% 到 2% 的数据将是 nan（第 98 个百分位数将返回一个数字（实际上不是所有有效值的第 98 个百分位数），第 99 个百分位数将返回一个 nan）。

要计算没有 nan 的百分位数，可以使用 np.nanpercentile()

所以：

print(np.nanpercentile(my_series, 98))
print(np.nanpercentile(my_series, 99))

编辑： 在新的 Numpy 版本中，如果存在 nan，

np.percentile

将返回 nan，因此使这个问题变得显而易见。

np.nanpercentile

仍然有效。 `

Answer 2

您可能在计算过程中遇到溢出，这可以解释为什么您在高百分位数处看到

NaN

。就我而言，我还在代码中遇到了

NaN

。为了解决这个问题，您可以使用

np.nanpercentile

，它可以更稳健地处理

NaN

值。

import numpy as np

# Example with NaNs in the data
data = np.array([1, 2, np.nan, 4, 5, 6])

# Calculate the 95th percentile, ignoring NaNs
percentile_95 = np.nanpercentile(data, 95)

print(f"95th percentile (ignoring NaNs): {percentile_95}")

此方法可确保数据集中的任何

NaN

值都被排除在百分位计算之外。如果您由于溢出或其他计算问题而遇到

NaN

，切换到

np.nanpercentile

应该会有所帮助。

了解更多信息：GitHub 评论。 感谢@Nick Chammas 的评论，强调了这一点。