计算从numpy数字化的垃圾桶的百分位数？

Question

我有一组数据，并用于创建仓一组阈值：

data = np.array([0.01, 0.02, 1, 1, 1, 2, 2, 8, 8, 4.5, 6.6]) 
thresholds = np.array([0,5,10]) 
bins = np.digitize(data, thresholds, right=True) 

对于每个元件的在bins，我想知道基地百分。例如，在bins中，最小的箱应该从第0百分位开始。然后下一个bin，例如，第20个百分点。因此，如果data中的值落在data的第0和第20百分位之间，则它属于第一个bin。

我已经看过熊猫rank(pct=True)，但似乎无法正确完成此操作。

对此提出建议？

Answer 1

您可以按照先前的StackOverflow问题（Map each list value to its corresponding percentile）中所述计算数据数组中每个元素的百分位数。

import numpy as np 
from scipy import stats 
data = np.array([0.01, 0.02, 1, 1, 1, 2, 2, 8, 8, 4.5, 6.6]) 

方法1：使用scipy.stats.percentileofscore：

data_percentile = np.array([stats.percentileofscore(data, a) for a in data]) 
data_percentile 
Out[1]: 
array([ 9.09090909, 18.18181818, 36.36363636, 36.36363636, 
     36.36363636, 59.09090909, 59.09090909, 95.45454545, 
     95.45454545, 72.72727273, 81.81818182]) 

方法2：使用scipy.stats.rankdata和正火至100（快）：

ranked = stats.rankdata(data) 
data_percentile = ranked/len(data)*100 
data_percentile 
Out[2]: 
array([ 9.09090909, 18.18181818, 36.36363636, 36.36363636, 
     36.36363636, 59.09090909, 59.09090909, 95.45454545, 
     95.45454545, 72.72727273, 81.81818182]) 

现在，你有百分的列表，你可以像以前一样使用它们numpy.digitize：

bins_percentile = [0,20,40,60,80,100] 
data_binned_indices = np.digitize(data_percentile, bins_percentile, right=True) 
data_binned_indices 
Out[3]: 
array([1, 1, 2, 2, 2, 3, 3, 5, 5, 4, 5], dtype=int64) 

这会根据您选择的百分比列表的指数为您提供分箱数据。如果需要，您还可以使用numpy.take返回实际（上限）百分位数：

data_binned_percentiles = np.take(bins_percentile, data_binned_indices) 
data_binned_percentiles 
Out[4]: 
array([ 20, 20, 40, 40, 40, 60, 60, 100, 100, 80, 100])