计算相对于给定总体的百分位排名

Question

我有"参考总体"(比如v=np.random.rand(100)(，我想计算给定集合的百分位排名(比如np.array([0.3, 0.5, 0.7])(。

很容易

逐个计算：

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 - 但它不适用于向量(。

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

这会产生预期的结果，但我有一种感觉，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参考人群的排名。

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

Answer 2

我认为

pd.cut可以做到这一点

s=pd.Series([-np.inf,0.3, 0.5, 0.7])
pd.cut(v,s,right=False).value_counts().cumsum()/len(v)
Out[702]: 
[-inf, 0.3)    0.37
[0.3, 0.5)     0.54
[0.5, 0.7)     0.71
dtype: float64

函数的结果

np.vectorize(percentile_rank)(np.array([0.3, 0.5, 0.7]))
Out[696]: array([0.37, 0.54, 0.71])

Answer 3

您可以使用

quantile：

np.random.seed(123)
v=np.random.rand(100)
s = pd.Series(v)
arr = np.array([0.3,0.5,0.7])
s.quantile(arr)

输出：

0.3    0.352177
0.5    0.506130
0.7    0.644875
dtype: float64

Answer 4

我知道

我参加聚会有点晚了，但我想补充一点，熊猫还有另一种方式可以让你得到你所追求的Series.rank。只需使用pct=True选项。