Python: Numpy percentile混淆结果

Question

当使用Python Numpy计算分位数/百分位数时，结果有点奇怪，如下所示。我对此很困惑，有谁能解释一下原因吗？

import numpy as np

x = range(1,1031)
x = np.array(x)

np.percentile(x,1,interpolation='lower')
# 11
np.percentile(x,1,interpolation='higher')
# 12

np.percentile(x,0.972,interpolation='lower')
# 11
np.percentile(x,0.972,interpolation='higher')
# 12

np.percentile(x,0.971,interpolation='lower')
# 10
np.percentile(x,0.971,interpolation='higher')
# 11

我期望从1到1030的数字的更低和更高的1%分位数是10和11，但实际结果是11和12。

Answer 1

想象一下，您的数组是x = range(1,1002) (即1到1001，包括1到1001)。那么1是0%的百分位数，1001是100%。中位数是501，应该是50%的百分位数。从这个模式中，您可能可以插值得到p%百分位数应该是10p+1，特别是1%百分位数应该是11。

现在，既然您的实际数组是range(1,1031)，1%的百分位数不是应该稍微高一点吗？