Python 3.x np.百分位数不等于四分位数

我试图使用

numpy

计算python中值数组的四分位数

X = [1, 1, 1, 3, 4, 5, 5, 7, 8, 9, 10, 1000]

我会这样做：

quartiles = np.percentile(X, range(0, 100, 25))
quartiles
# array([1.  ,  2.5 ,  5.  ,  8.25])

Q1 = np.median(X[:len(X)/2])
Q3 = np.median(X[len(X):])
Q1, Q3
# (2.0, 8.5)

但这是不正确的，因为第一和第三个四分位数应该分别为2和8.5

这可以如下所示：

quartiles = np.percentile(X, range(0, 100, 25))
quartiles
# array([1.  ,  2.5 ,  5.  ,  8.25])

Q1 = np.median(X[:len(X)/2])
Q3 = np.median(X[len(X):])
Q1, Q3
# (2.0, 8.5)

---

我无法理解

np.percentile

正在做什么来给出不同的答案。如果有任何关于这一点的说明，我将不胜感激。

没有对错之分，只是计算百分位数的不同方法。在连续的情况下，百分位数是一个定义良好的概念，而对于离散的样本，则更少：不同的方法不会对大量的观察产生影响（与重复的数量相比），但实际上对于小样本来说可能很重要，您需要逐个找出什么更有意义

要获得所需的输出，应在百分位函数中指定插值=‘中点’：

quartiles = np.percentile(X, range(0, 100, 25), interpolation = 'midpoint')
quartiles    # array([ 1. ,  2. ,  5. ,  8.5])

我建议你看一下这些文件