numpy的百分位函数究竟做了什么？

Question

根据我的理解，numpy's percentile计算数据的第q个百分位数。

但它究竟是怎么做的？

说，给定x = np.array([1.3, 1.7, 2.4, 2.8, 3.5, 5.6, 6.6, 7.7, 8.8, 9.9])（里面有10个花车）。

如果我np.percentile(x, 100)，则会返回9.9000000000000004。

如果我np.percentile(x, 90)，它应该返回8.8，对吧？但它会回复8.9100000000000001。

为什么会有这样的差异？这些差异是否可以接受？

Answer 1

从版本1.9.0开始，Numpy的百分位函数有一个interpolation参数，如下所示in the docs：

  

插值：{'线性'，'下'，'更高'，'中点'，'最近'}   当所需的分位数位于两个数据点i和j之间时，此可选参数指定要使用的插值方法：

     

  
• 线性：i +（j - i）*分数，其中分数是由i和j包围的索引的小数部分。
  
• lower：i。
  
• 更高：j。
  
• nearest：i或j以最近的为准。
  
• 中点：（i + j）/ 2。
  

默认为线性。如果您想从示例中获取8.8，请运行：

np.percentile(x, 90, interopolation='lower')

Answer 2

根据我的理解，90％-percentile不必是输入数组中的项目。

来自documentation：

  

给定长度为N的向量V，V的第q个百分位数是V的排序副本中的第q个排名值。两个最近邻居的值和距离以及插值参数将确定如果标准化排名与q完全不匹配，则为百分位数。如果q = 50，则此函数与中位数相同，如果q = 0，则与最小值相同，如果q = 100，则与最大值相同。

浮动表示的问题（导致np.percentile(x, 100)与9.9相比略有不同）是well known。