scipy.stats.

percentileofscore#

scipy.stats.percentileofscore(a, score, kind='rank', nan_policy='propagate')[原始碼]#

計算分數相對於分數列表的百分位數排名。

例如，percentileofscore 為 80% 表示 a 中有 80% 的分數低於給定分數。在間隙或並列的情況下，確切的定義取決於可選的關鍵字 kind。

參數:

aarray_like

與 score 比較的 1 維陣列。

scorearray_like

要計算百分位數的分數。

kind{‘rank’, ‘weak’, ‘strict’, ‘mean’}, optional

指定結果分數的解釋方式。可用的選項如下（預設為 ‘rank’）

‘rank’：分數的平均百分比排名。如果有多個匹配項，則平均所有匹配分數的百分比排名。

‘weak’：此種類型對應於累積分布函數的定義。 80% 的 percentileofscore 表示 80% 的值小於或等於提供的分數。

‘strict’：與 “weak” 類似，但僅計算嚴格小於給定分數的值。

‘mean’： “weak” 和 “strict” 分數的平均值，通常用於測試。請參閱 https://en.wikipedia.org/wiki/Percentile_rank

nan_policy{‘propagate’, ‘raise’, ‘omit’}, optional

指定如何處理 a 中的 nan 值。可用的選項如下（預設為 ‘propagate’）

‘propagate’：傳回 nan（對於 score 中的每個值）。

‘raise’：拋出錯誤

‘omit’：執行計算時忽略 nan 值

返回:

pcosfloat: 分數相對於 a 的百分位數位置 (0-100)。

參見

numpy.percentile
scipy.stats.scoreatpercentile, scipy.stats.rankdata

範例

四分之三的給定值低於給定分數

>>> import numpy as np
>>> from scipy import stats
>>> stats.percentileofscore([1, 2, 3, 4], 3)
75.0

對於多個匹配項，請注意兩個匹配項的分數（分別為 0.6 和 0.8）是如何平均的

>>> stats.percentileofscore([1, 2, 3, 3, 4], 3)
70.0

只有 2/5 的值嚴格小於 3

>>> stats.percentileofscore([1, 2, 3, 3, 4], 3, kind='strict')
40.0

但是 4/5 的值小於或等於 3

>>> stats.percentileofscore([1, 2, 3, 3, 4], 3, kind='weak')
80.0

weak 和 strict 分數之間的平均值是

>>> stats.percentileofscore([1, 2, 3, 3, 4], 3, kind='mean')
60.0

支援分數陣列（任何維度）

>>> stats.percentileofscore([1, 2, 3, 3, 4], [2, 3])
array([40., 70.])

輸入可以是無限的

>>> stats.percentileofscore([-np.inf, 0, 1, np.inf], [1, 2, np.inf])
array([75., 75., 100.])

如果 a 為空，則產生的百分位數均為 nan

>>> stats.percentileofscore([], [1, 2])
array([nan, nan])