python - 计算相对于给定人口的百分位数排名

Question

我有“引用人口”(例如，v=np.random.rand(100))，我想计算给定集合的百分位数排名(例如，np.array ([0.3, 0.5, 0.7])).

很容易一一计算:

def percentile_rank(x):
    return (v<x).sum() / len(v)
percentile_rank(0.4)
=> 0.4

(实际上，有一个 ootb scipy.stats.percentileofscore - 但它不对向量起作用)。

np.vectorize(percentile_rank)(np.array([0.3, 0.5, 0.7]))
=> [ 0.33  0.48  0.71]

这产生了预期的结果，但我觉得应该有一个内置的。

我也可以作弊:

pd.concat([pd.Series([0.3, 0.5, 0.7]),pd.Series(v)],ignore_index=True).rank(pct=True).loc[0:2]

0    0.330097
1    0.485437
2    0.718447

这在两个方面是不好的:

1. 我不希望测试数据 [0.3, 0.5, 0.7] 成为排名的一部分。
2. 我不想浪费时间计算引用人群的排名。

那么，实现这一目标的惯用方法是什么？

Answer 1

设置:

In [62]: v=np.random.rand(100)

In [63]: x=np.array([0.3, 0.4, 0.7])

使用 Numpy 广播:

In [64]: (v<x[:,None]).mean(axis=1)
Out[64]: array([ 0.18,  0.28,  0.6 ])

检查:

In [67]: percentile_rank(0.3)
Out[67]: 0.17999999999999999

In [68]: percentile_rank(0.4)
Out[68]: 0.28000000000000003

In [69]: percentile_rank(0.7)
Out[69]: 0.59999999999999998