你如何在Numpy中找到IQR？

Question

有没有内置的Numpy/Scipy函数来找出四分位数的范围？我自己可以很容易地做到这一点，但是mean()确实存在，它基本上就是sum/len…

def IQR(dist):
    return np.percentile(dist, 75) - np.percentile(dist, 25)

Answer 1

np.percentile接受多个百分位数的参数，您最好执行以下操作：

q75, q25 = np.percentile(x, [75 ,25])
iqr = q75 - q25

或

iqr = np.subtract(*np.percentile(x, [75, 25]))

而不是向percentile发出两个调用

In [8]: x = np.random.rand(1e6)

In [9]: %timeit q75, q25 = np.percentile(x, [75 ,25]); iqr = q75 - q25
10 loops, best of 3: 24.2 ms per loop

In [10]: %timeit iqr = np.subtract(*np.percentile(x, [75, 25]))
10 loops, best of 3: 24.2 ms per loop

In [11]: %timeit iqr = np.percentile(x, 75) - np.percentile(x, 25)
10 loops, best of 3: 33.7 ms per loop

Answer 2

现在scipy.stats中有一个iqr函数。它从scipy 0.18.0开始可用。我的初衷是将其添加到numpy中，但它被认为过于特定于领域。

您可能会更好地使用Jaime的答案，因为scipy代码只是一个过于复杂的版本。

Answer 3

如果Jaime's answer适用于您的情况，请忽略此选项。但如果不是这样，根据this answer的说法，要找到第一个和第三个四分位数的精确值，你应该考虑这样做：

samples = sorted([28, 12, 8, 27, 16, 31, 14, 13, 19, 1, 1, 22, 13])

def find_median(sorted_list):
    indices = []

    list_size = len(sorted_list)
    median = 0

    if list_size % 2 == 0:
        indices.append(int(list_size / 2) - 1)  # -1 because index starts from 0
        indices.append(int(list_size / 2))

        median = (sorted_list[indices[0]] + sorted_list[indices[1]]) / 2
        pass
    else:
        indices.append(int(list_size / 2))

        median = sorted_list[indices[0]]
        pass

    return median, indices
    pass

median, median_indices = find_median(samples)
Q1, Q1_indices = find_median(samples[:median_indices[0]])
Q2, Q2_indices = find_median(samples[median_indices[-1] + 1:])

IQR = Q3 - Q1

quartiles = [Q1, median, Q2]

取自引用答案的代码。