Tukey tổng số năm bản tóm tắt bằng Python

Question

Tôi đã không thể tìm thấy chức năng này trong bất kỳ gói tiêu chuẩn nào, vì vậy tôi đã viết phần dưới đây. Trước khi ném nó về phía Cheeseshop, tuy nhiên, có ai biết về một phiên bản đã được xuất bản không? Ngoài ra, vui lòng đề xuất bất kỳ cải tiến nào. Cảm ơn.

def fivenum(v): 
    """Returns Tukey's five number summary (minimum, lower-hinge, median, upper-hinge, maximum) for the input vector, a list or array of numbers based on 1.5 times the interquartile distance""" 
    import numpy as np 
    from scipy.stats import scoreatpercentile 
    try: 
     np.sum(v) 
    except TypeError: 
     print('Error: you must provide a list or array of only numbers') 
    q1 = scoreatpercentile(v,25) 
    q3 = scoreatpercentile(v,75) 
    iqd = q3-q1 
    md = np.median(v) 
    whisker = 1.5*iqd 
    return np.min(v), md-whisker, md, md+whisker, np.max(v), 

Answer 1

tôi sẽ thoát khỏi hai điều này:

import numpy as np 
from scipy.stats import scoreatpercentile 

Bạn nên nhập khẩu ở mức mô-đun. Điều này có nghĩa là người dùng sẽ nhận thức được các phụ thuộc bị thiếu ngay sau khi họ nhập mô-đun của bạn, thay vì khi họ gọi hàm.

try: 
    sum(v) 
except TypeError: 
    print('Error: you must provide a list or array of only numbers') 

Một số vấn đề với điều này:

1. Đừng gõ kiểm tra bằng Python. Ghi lại chức năng của hàm.
2. Làm cách nào để bạn biết người gọi sẽ thấy điều này? Họ có thể không chạy ở bàn điều khiển, và ngay cả khi họ đang có, họ có thể không muốn thông báo lỗi của bạn can thiệp với sản lượng của họ.
3. Không nhập séc bằng Python.

Nếu bạn muốn nâng cao một số loại ngoại lệ cho không hợp lệ dữ liệu (không kiểm tra kiểu), hoặc là cho một ngoại lệ hiện tuyên truyền, hoặc bọc nó trong loại ngoại lệ của riêng bạn.

Answer 2

Trong trường hợp ai đó cần phiên bản hoạt động với NaN trong dữ liệu, dưới đây là sửa đổi của tôi. Tôi không muốn thay đổi câu trả lời của poster gốc để tránh nhầm lẫn.

import numpy as np 
from scipy.stats import scoreatpercentile 
from scipy.stats import nanmedian 

def fivenum(v): 
    """Returns Tukey's five number summary (minimum, lower-hinge, median, upper-hinge, maximum) for the input vector, a list or array of numbers based on 1.5 times the interquartile distance""" 
    try: 
     np.sum(v) 
    except TypeError: 
     print('Error: you must provide a list or array of only numbers') 
    q1 = scoreatpercentile(v[~np.isnan(v)],25) 
    q3 = scoreatpercentile(v[~np.isnan(v)],75) 
    iqd = q3-q1 
    md = nanmedian(v) 
    whisker = 1.5*iqd 
    return np.nanmin(v), md-whisker, md, md+whisker, np.nanmax(v), 

Answer 3

Tôi mới vào Python, nhưng sự trở lại được tính sai: nó phải max (min (v), q1-ria) cho thấp hơn bị ràng buộc và min (max (v), q3 + râu ria) cho giới hạn trên. Đó là cách nó được thực hiện trong R (các summary() chức năng), và đó là những gì hiển thị trên boxplots trong matplotlib.pyplot và R.

Answer 4

pandasSeries và DataFrame có một phương pháp describe, mà là tương tự như R 's summary:

In [3]: import numpy as np 

In [4]: import pandas as pd 

In [5]: s = pd.Series(np.random.rand(100)) 

In [6]: s.describe() 
Out[6]: 
count 100.000000 
mean  0.540376 
std  0.296250 
min  0.002514 
25%  0.268722 
50%  0.593436 
75%  0.831067 
max  0.991971 

NAN được xử lý chính xác.

Answer 5

Hãy thử điều này:

import numpy as np 
import numpy.random 
from statstools import run 
from scipy.stats import scoreatpercentile 

data=np.random.randn(5) 

return (min(data), md-whisker, md, md+whisker, max(data)) 

Answer 6

tối thiểu, nhưng nó được công việc làm. :)

import numpy as np 
[round(np.percentile(results[:,4], i), 1) for i in [1, 2, 5, 10, 25, 50]]