Python中的Tukey five number摘要

Question

我在任何标准包中都找不到这个函数，所以我写了下面的一个。然而，在把它扔到Cheeseshop之前，有没有人知道已经发布了一个版本？或者，请提出任何改进建议。谢谢。

def fivenum(v):
    """Returns Tukey's five number summary (minimum, lower-hinge, median, upper-hinge, maximum) for the input vector, a list or array of numbers based on 1.5 times the interquartile distance"""
    import numpy as np
    from scipy.stats import scoreatpercentile
    try:
        np.sum(v)
    except TypeError:
        print('Error: you must provide a list or array of only numbers')
    q1 = scoreatpercentile(v,25)
    q3 = scoreatpercentile(v,75)
    iqd = q3-q1
    md = np.median(v)
    whisker = 1.5*iqd
    return np.min(v), md-whisker, md, md+whisker, np.max(v),

Answer 1

pandas Series和DataFrame都有一个describe方法，它类似于R的summary

In [3]: import numpy as np

In [4]: import pandas as pd

In [5]: s = pd.Series(np.random.rand(100))

In [6]: s.describe()
Out[6]: 
count    100.000000
mean       0.540376
std        0.296250
min        0.002514
25%        0.268722
50%        0.593436
75%        0.831067
max        0.991971

正确地处理了NAN。

Answer 2

我会去掉这两件事：

import numpy as np
from scipy.stats import scoreatpercentile

您应该在模块级别进行导入。这意味着用户在导入您的模块时，而不是调用函数时，就会意识到缺少的依赖项。

try:
    sum(v)
except TypeError:
    print('Error: you must provide a list or array of only numbers')

这其中有几个问题：

1. 不要在Python中输入check。记录函数的用途。
2. 你怎么知道调用者会看到这个？他们可能没有在控制台上运行，即使在控制台上运行，也可能不希望您的错误消息干扰他们的输出。
3. 不要在Python.

中键入check

如果您确实希望为无效数据引发某种类型的异常(类型检查)，要么让现有的异常传播，要么将其包装在您自己的异常类型中。

Answer 3

如果有人需要在数据中使用NaN的版本，这里是我的修改。我不想更改原始的海报答案，以避免混淆。

import numpy as np
from scipy.stats import scoreatpercentile
from scipy.stats import nanmedian

def fivenum(v):
    """Returns Tukey's five number summary (minimum, lower-hinge, median, upper-hinge, maximum) for the input vector, a list or array of numbers based on 1.5 times the interquartile distance"""
    try:
        np.sum(v)
    except TypeError:
        print('Error: you must provide a list or array of only numbers')
    q1 = scoreatpercentile(v[~np.isnan(v)],25)
    q3 = scoreatpercentile(v[~np.isnan(v)],75)
    iqd = q3-q1
    md = nanmedian(v)
    whisker = 1.5*iqd
    return np.nanmin(v), md-whisker, md, md+whisker, np.nanmax(v),