在数组行的 Numpy 分位数计算中排除零

Question

我有一个二维数组，每行的值为零。

[[5, 3, 2, 0, 0, 1, 6, 9, 11, 1, 4, 1],
 [0, 0, 12, 0, 1, 0, 0, 2, 0, 30, 2, 2],
 [120, 2, 10, 3, 0, 0, 2, 7, 9, 5, 0, 0]]

有没有办法通过在计算中排除零值来计算每行的0.75分位数？

例如，在第二行中，计算时只应使用6个非零值[12,1,2,30,2,2]。我尝试使用 np.quantile() 但它会在计算中包含所有零值。似乎 Numpy 也没有 quantile() 的屏蔽数组 np.ma 版本。

Answer 1

您可以用 nan 替换零值并将数组传递给 np.nanquantile() 以计算非 nan 值的分位数

>>> arr = np.array([[5, 3, 2, 0, 0, 1, 6, 9, 11, 1, 4, 1],
                    [0, 0, 12, 0, 1, 0, 0, 2, 0, 30, 2, 2],
                    [120, 2, 10, 3, 0, 0, 2, 7, 9, 5, 0, 0]], dtype='f')
 
>>> arr[arr==0] = np.nan
>>> arr
[[  5.   3.   2.  nan  nan   1.   6.   9.  11.   1.   4.   1.]
 [ nan  nan  12.  nan   1.  nan  nan   2.  nan  30.   2.   2.]
 [120.   2.  10.   3.  nan  nan   2.   7.   9.   5.  nan  nan]]

>>> arr_quantile75 = np.nanquantile(arr, 0.75, axis=1)  #by row-axis
>>> arr_quantile75
[5.75 9.5  9.25]

np.nanquantile() 沿指定轴计算数据的第 q 个分位数，同时 忽略 nan 值[来源]

在数组行的 Numpy 分位数计算中排除零

exclude zeros in Numpy quantile calculation of rows of an array

python

numpy

quantile

iqr