时间戳

首页 > 解决方案 > 解释二维数组的百分位值

numpy - 解释二维数组的百分位值

问题描述

我在 3 个不同的时间收集了数据点 -

最新系列

    receivedtime    newCol
0   1.536596e+12    43.000000
1   1.536596e+12    100.000000
2   1.536596e+12    180.000000
3   1.536596e+12    50.000244
4   1.536596e+12    3792.999756
5   1.536596e+12    897.000000
6   1.536596e+12    11343.000000
7   1.536596e+12    374.000000
8   1.536596e+12    690.000000
9   1.536596e+12    1.000000

旧系列

    receivedtime    newCol
0   1.536597e+12    1080.0
1   1.536597e+12    1.0

最古老的收藏

    receivedtime    newCol
0   1.536596e+12    43.000000
1   1.536596e+12    100.000000
2   1.536596e+12    180.000000
3   1.536596e+12    50.000244
4   1.536596e+12    3792.999756
5   1.536596e+12    897.000000
6   1.536596e+12    11343.000000
7   1.536596e+12    374.000000
8   1.536596e+12    690.000000
9   1.536596e+12    492206.000000
10  1.536596e+12    420.000000
11  1.536596e+12    37.000244
12  1.536596e+12    509.999756
13  1.536596e+12    497.000000
14  1.536596e+12    436.000000
15  1.536596e+12    130.000000
16  1.536596e+12    1.000000

该receivedTime列是 atimestamp并且始终是唯一的。newCol是 2 个相邻观测值之间的时间差。

np.percentile这些数据点的结果是 -

最新系列 

np.percentile(latest, [25, 50, 75])
array([3.25500000e+02, 7.68298069e+11, 1.53659614e+12])

旧系列

np.percentile(old, [25, 50, 75])
array([8.10250000e+02, 7.68298490e+11, 1.53659698e+12])

最古老的收藏

np.percentile(oldest, [25, 50, 75])
array([4.24000000e+02, 7.68298062e+11, 1.53659613e+12])

为什么与第二和第三四分位数相比，第一四分位数的波动要大得多？第二个和第三个似乎接近相同的值，但第一个不是。

标签： numpystatisticspercentile

解决方案

您没有指定axis的参数np.percentile。在这种情况下，它计算展平数组的百分位数，这意味着将两列放在一起。当然，这没什么意义，因为“newCol”中的数字具有不同的含义。由于“newCol”数字都小于“receivedTime”数字，所以会发生以下情况：

  • 第 25 个百分位是“newCol”的中位数。这在数据集之间变化很大。
  • 第 50 个百分位位于最大的“newCol”条目和最小的“receivedTime”条目之间。由于“newCol”与“receivedTime”相比很小，这基本上是最小“receivedTime”的 1/2。
  • 第 75 个百分位是“receivedTime”的中位数，所有“receivedTime”都差不多。

实际结论：要么提取您想要百分位数的列：

np.percentile(old[:, 0], [25, 50, 75])

或指定axis=0获取每列中的百分位数。

np.percentile(old, [25, 50, 75], axis=0)

推荐阅读