如何实现np.percentile的逆运算：给定值求对应百分位数（Numpy）

当然有办法啦！Numpy本身虽然没有一步到位的内置函数，但咱们可以用它的现有工具轻松实现；如果能搭配Scipy的话，还有更直接的现成函数可用。下面给你详细拆解：

纯Numpy实现方案 #

核心思路是先排序数组，再找到目标值的位置，最后换算成百分位数：

import numpy as np

# 示例向量
x = np.random.randn(1000)
# 要查找的目标值（比如数组的均值）
target = np.mean(x)

# 1. 先对数组排序
sorted_x = np.sort(x)
# 2. 找到目标值在排序数组中的左侧插入位置（即比目标值小的元素个数）
rank = np.searchsorted(sorted_x, target, side='left')
# 3. 换算成百分位数
percentile = (rank / len(sorted_x)) * 100

print(f"目标值{target:.4f}在数组中的百分位数是{percentile:.2f}%")

小细节说明 #

• side='left'会返回第一个大于等于目标值的位置，这样计算出的是小于目标值的元素占比；如果想要统计小于等于目标值的元素占比，可以改用side='right'，此时返回的是第一个大于目标值的位置。
• 当目标值比数组中所有元素都大时，rank会等于数组长度，百分位数就是100%，符合预期。

更简便的Scipy方案 #

如果你能引入Scipy库，scipy.stats.percentileofscore函数可以直接完成这个需求，而且支持多种百分位数定义：

from scipy import stats

percentile = stats.percentileofscore(x, target)
# 也可以指定计算方式，比如取重复值的平均位置
# percentile = stats.percentileofscore(x, target, method='mean')

print(f"目标值的百分位数是{percentile:.2f}%")

参数说明 #

• method可选值有'rank'（默认，和Numpy实现逻辑一致）、'weak'（统计小于等于目标值的占比）、'strict'（统计小于目标值的占比）、'mean'（取weak和strict的平均值，适合处理有大量重复值的情况）。

内容的提问来源于stack exchange，提问作者user8834780