如何用Numpy实现给定数值查询对应分位数，类似scipy的ppf方法？

结论 #

NumPy 没有内置和 SciPy 分布对象ppf方法完全对应的同名API，但可以通过NumPy原生接口快速实现np.quantile的逆运算，完全满足需求。

纯NumPy实现方案 #

核心逻辑和np.quantile的计算逻辑完全对齐，支持相同的插值策略，代码如下：

import numpy as np

def inverse_quantile(x, target_val, method="linear"):
    """
    计算给定数值target_val在观测数组x中对应的分位数q
    参数method和np.quantile的method参数完全兼容，支持linear/lower/higher/nearest/midpoint
    """
    sorted_x = np.sort(x)
    n = sorted_x.size
    # 定位目标值的插入索引
    insert_idx = np.searchsorted(sorted_x, target_val, side="left")
    # 处理边界情况
    if insert_idx == 0:
        return 0.0
    if insert_idx == n:
        return 1.0
    # 按插值规则计算分位数
    if method == "linear":
        # 默认线性插值，和np.quantile默认行为一致
        gap = sorted_x[insert_idx] - sorted_x[insert_idx - 1]
        offset = (target_val - sorted_x[insert_idx - 1]) / gap
        return (insert_idx - 1 + offset) / (n - 1)
    elif method == "lower":
        return (insert_idx - 1) / (n - 1)
    elif method == "higher":
        return insert_idx / (n - 1)
    elif method == "nearest":
        left_dist = target_val - sorted_x[insert_idx - 1]
        right_dist = sorted_x[insert_idx] - target_val
        return (insert_idx - 1 if left_dist < right_dist else insert_idx) / (n - 1)
    elif method == "midpoint":
        return (insert_idx - 0.5) / (n - 1)

验证示例 #

# 测试数据
x = np.array([3, 1, 4, 1, 5, 9, 2, 6])

# 先调用np.quantile得到75%分位数
q75_val = np.quantile(x, 0.75)
print(q75_val) # 输出 5.25

# 逆运算验证
calc_q = inverse_quantile(x, q75_val)
print(calc_q) # 输出 0.75，和输入的分位数完全匹配

补充说明 #

如果你的环境允许引入SciPy，也可以直接调用scipy.stats.percentileofscore(x, target_val) / 100得到相同结果，无需自己实现。

内容的提问来源于stack exchange，提问作者Arturo Sbr