numpy : percentile使用（多用于去除 离群点）

“无意中发现了一个巨牛的人工智能教程，忍不住分享一下给大家。教程不仅是零基础，通俗易懂，而且非常风趣幽默，像看小说一样！觉得太牛了，所以分享给大家。点这里可以跳转到教程。”

numpy.percentile()

百分位数是统计中使用的度量，表示小于这个值的观察值占总数q的百分比。 函数​​numpy.percentile()​​接受以下参数。​​numpy.percentile(a, q, axis)​​

其中：

首先明确百分位数的概念：

        第p个百分位数是这样一个值，它使得至少有p%的数据项小于或等于这个值，且至少有(100-p)%的数据项大于或等于这个值。

举个例子：

       高等院校的入学考试成绩经常以百分位数的形式报告。比如，假设某个考生在入学考试中的语文部分的原始分数为54分。相对于参加同一考试的其他学生来说，他的成绩如何并不容易知道。但是如果原始分数54分恰好对应的是第70百分位数，我们就能知道大约70%的学生的考分比他低，而约30%的学生考分比他高 

这里的p = 70 

在numpy中,是这样的：

numpy.percentile
Parameters
    ----------
    a : np数组
    q : float in range of [0,100] (or sequence of floats)
        Percentile to compute。
        要计算的q分位数。
    axis : 那个轴上运算。
    keepdims :bool是否保持维度不变。

    Examples
    --------    >>> a = range(1,101)    >>> np.percentile(a, 90)  #90%的分位数    90.1 #表示有百分之九十的数小于90.1。 3.5 #表示有百分之五十的数小于3.5。   
    >>> np.percentile(a, 50, axis=0) #axis为0，在纵列上求
    array([[ 6.5,  4.5,  2.5]])
    >>> np.percentile(a, 50, axis=1) #axis为1，在横行上求
    array([ 7.,  2.])
    >>> np.percentile(a, 50, axis=1, keepdims=True)
    #保持维度不变，这对使用sklearn的fit有好处。
    array([[ 7.],
           [ 2.]])