将数组转换为百分位数

Question

我有一个要转换为百分位数的数组。例如，假设我有一个正态分布的数组：

import numpy as np
import matplotlib.pyplot as plt

arr = np.random.normal(0, 1, 1000)
plt.hist(arr)

对于该数组中的每个值，我想计算该值的百分位数（例如0是上述分布的第50个百分位数，所以0-> 0.5）。由于每个百分位数应具有相等的权重，因此结果应均匀分布。

我发现了，np.percentile但此函数返回给定数组和分位数的值，而我需要的是返回给定数组和值的分位数。

有相对有效的方法吗？

Answer 1

实现此目的的方法有很多，具体取决于您要使用的库和您拥有的数据类型。

import numpy as np
# Input data
arr  = np.random.normal(0, 1, 10)

scipy.stats.percentileofscore在 numpy 数组上使用：

from scipy import stats
np.vectorize(lambda x: stats.percentileofscore(arr, x))(arr)

scipy.stats.rankdata在 numpy 数组或列表上使用：

from scipy import stats
stats.rankdata(arr, "average") / len(arr)

pandas.DataFrame.rank在 Pandas DataFrame 上使用：

import numpy as np
df = pd.DataFrame(arr)
df.rank(pct=True)

Answer 2

from scipy.stats import percentileofscore

# generate example data
arr = np.random.normal(0, 1, 10)

# pre-sort array
arr_sorted =  sorted(arr)

# calculate percentiles using scipy func percentileofscore on each array element
s = pd.Series(arr)
percentiles = s.apply(lambda x: percentileofscore(arr_sorted, x))

检查结果是否正确：

df = pd.DataFrame({'data': s, 'percentiles': percentiles})    
df.sort_values(by='data')

       data   pcts
3 -1.692881   10.0
8 -1.395427   20.0
7 -1.162031   30.0
6 -0.568550   40.0
9  0.047298   50.0
5  0.296661   60.0
0  0.534816   70.0
4  0.542267   80.0
1  0.584766   90.0
2  1.185000  100.0