如何从频率表中计算百分位数？答案

【问题标题】：How to compute percentiles from frequency table?如何从频率表中计算百分位数？
【发布时间】：2016-12-04 00:58:34
【问题描述】：

我有 CSV 文件：

fr id
 1 10000152
 1 10000212
 1 10000847
 1 10001018
 2 10001052
 2 10001246
14 10001908
...........

这是一个频率表，其中id 是整数变量，fr 是给定值的出现次数。文件按值升序排序。我想计算变量的百分位数（即 90%、80%、70% ... 10%）。

我是在纯 Python 中完成的，类似于这个伪代码：

bucket=sum(fr)/10.0
percentile=1
sum=0
for (current_fr, current_id) in zip(fr,id):
   sum=sum+current_fr
   if (sum > percentile*bucket):
      print "%i percentile: %i" % (percentile*10,current_id)
      percentile=percentile+1

但是这段代码非常原始：它没有考虑百分位应该在集合中的值之间，它不能后退等等。

还有更优雅、通用、现成的解决方案吗？

【问题讨论】：

标签： python numpy pandas statistics

【解决方案1】：

您似乎想要fr 的累积总和。你可以这样做

cumfr = [sum(fr[:i+1]) for i in range(len(fr))]

那么百分位数是

percentile = [100*i/cumfr[-1] for i in cumfr]

【讨论】：

这是一个很好的答案，但解释有限。如果给出更好的解释，它可能会帮助更多的人。此外，我无法将 fr(:i+1) 更正为 fr[:i+1]。有权更改少于 6 个字符的人可以进行更改吗？ Python 抛出的错误在运行代码时具有误导性。