scipy.stats.mstats.

hdquantiles#

scipy.stats.mstats.hdquantiles(data, prob=(0.25, 0.5, 0.75), axis=None, var=False)[源代码]#

使用 Harrell-Davis 方法计算分位数估计。

分位数估计计算为顺序统计量的加权线性组合。

参数:

dataarray_like: 数据数组。
prob序列，可选: 计算分位数的概率序列。
axisint 或 None，可选: 计算分位数的轴。如果为 None，则使用展平的数组。
varbool，可选: 是否返回估计值的方差。

返回:

hdquantilesMaskedArray: 一个 (p,) 分位数数组（如果 var 为 False），或者一个 (2,p) 分位数和方差数组（如果 var 为 True），其中 p 是分位数的数量。

另请参阅

hdquantiles_sd

示例

>>> import numpy as np
>>> from scipy.stats.mstats import hdquantiles
>>>
>>> # Sample data
>>> data = np.array([1.2, 2.5, 3.7, 4.0, 5.1, 6.3, 7.0, 8.2, 9.4])
>>>
>>> # Probabilities at which to compute quantiles
>>> probabilities = [0.25, 0.5, 0.75]
>>>
>>> # Compute Harrell-Davis quantile estimates
>>> quantile_estimates = hdquantiles(data, prob=probabilities)
>>>
>>> # Display the quantile estimates
>>> for i, quantile in enumerate(probabilities):
...     print(f"{int(quantile * 100)}th percentile: {quantile_estimates[i]}")
25th percentile: 3.1505820231763066 # may vary
50th percentile: 5.194344084883956
75th percentile: 7.430626414674935