numpy.quantile() en Python

numpy.quantile(arr, q, axis = None): Calcule el q -ésimo cuantil de los datos dados (elementos de array) a lo largo del eje especificado.

Cuantil juega un papel muy importante en las estadísticas cuando se trata de la distribución normal.

En la figura anterior, Q2es el mediande los datos normalmente distribuidos. Q3 - Q2representa el rango intercuantílico del conjunto de datos dado.

Parámetros:
arr: [array_like]array de entrada.
q : valor del cuantil.
eje : [int o tuplas de int]eje a lo largo del cual queremos calcular el valor del cuantil. De lo contrario, considerará que arr está aplanado (funciona en todos los ejes). axis = 0 significa a lo largo de la columna y axis = 1 significa trabajar a lo largo de la fila.
out : [ndarray, opcional]Diferente array en la que queremos colocar el resultado. La array debe tener las mismas dimensiones que la salida esperada.

Resultados: qth cuantil de la array (un valor escalar si el eje no es ninguno) o array con valores cuantiles a lo largo del eje especificado.

Código #1:

# Python Program illustrating 
# numpy.quantile() method 
import numpy as np
  
  
# 1D array 
arr = [20, 2, 7, 1, 34]
  
print("arr : ", arr) 
print("Q2 quantile of arr : ", np.quantile(arr, .50))
print("Q1 quantile of arr : ", np.quantile(arr, .25))
print("Q3 quantile of arr : ", np.quantile(arr, .75))
print("100th quantile of arr : ", np.quantile(arr, .1)) 
    

Producción :

arr : [20, 2, 7, 1, 34]
Q2 quantile of arr : 7.0)
Q1 quantile of arr : 2.0)
Q3 quantile of arr : 20.0)
100th quantile of arr : 1.4)

 
Código #2:

# Python Program illustrating 
# numpy.quantile() method 
import numpy as np
   
# 2D array 
arr = [[14, 17, 12, 33, 44],  
       [15, 6, 27, 8, 19], 
       [23, 2, 54, 1, 4, ]] 
print("\narr : \n", arr) 
     
# quantile of the flattened array 
print("\n50th quantile of arr, axis = None : ", np.quantile(arr, .50)) 
print("0th quantile of arr, axis = None : ", np.quantile(arr, 0)) 
     
# quantile along the axis = 0 
print("\n50th quantile of arr, axis = 0 : ", np.quantile(arr, .25, axis = 0)) 
print("0th quantile of arr, axis = 0 : ", np.quantile(arr, 0, axis = 0)) 
    
# quantile along the axis = 1 
print("\n50th quantile of arr, axis = 1 : ", np.quantile(arr, .50, axis = 1)) 
print("0th quantile of arr, axis = 1 : ", np.quantile(arr, 0, axis = 1)) 
   
print("\n0th quantile of arr, axis = 1 : \n", 
   np.quantile(arr, .50, axis = 1, keepdims = True))
print("\n0th quantile of arr, axis = 1 : \n", 
   np.quantile(arr, 0, axis = 1, keepdims = True))

Producción :

arr : 
[[14, 17, 12, 33, 44], [15, 6, 27, 8, 19], [23, 2, 54, 1, 4]]

50th quantile of arr, axis = None : 15.0
0th quantile of arr, axis = None : 1)

50th quantile of arr, axis = 0 : [14.5  4.  19.5  4.5 11.5]
0th quantile of arr, axis = 0 : [14  2 12  1  4]

50th quantile of arr, axis = 1 : [17. 15.  4.]
0th quantile of arr, axis = 1 : [12  6  1]

0th quantile of arr, axis = 1 : 
[[17.]
[15.]
[ 4.]]

0th quantile of arr, axis = 1 : 
[[12]
[ 6]
[ 1]]

Publicación traducida automáticamente

Artículo escrito por Mohit Gupta_OMG 🙂 y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *