python 列表取95%分位数

可以使用 numpy 库的 percentile 函数来计算列表的分位数。具体代码如下：

import numpy as np

my_list = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

# 计算95%分位数
percentile_95 = np.percentile(my_list, 95)

print(percentile_95)  # 输出：9.5

以上代码中，np.percentile 函数的第一个参数是要计算的列表，第二个参数是要计算的分位数。在这个例子中，将 my_list 和 95 传递给该函数，返回的结果即为95%分位数。

相关问题

Python t分布的5%分位数

可以使用 `scipy.stats.t` 库来计算 t 分布的分位数。在 t 分布中，5% 的分位数对应着自由度为无穷大时的 t 值为 -1.645。代码如下：

from scipy.stats import t

t.ppf(0.05, df=float('inf'))

输出结果为 `-1.6448536269514729`。注意，这里自由度取无穷大相当于是标准正态分布的情况。

二分法求标准正态分布的分位数python

二分法（也称为二分查找）通常用于解决数值搜索问题，包括求解标准正态分布的分位数，即给定概率p，找出对应的Z值。在Python中，我们可以使用一些统计库如`scipy.stats`或者自定义二分查找函数来计算。

首先，你需要导入`scipy.stats.norm`模块，它包含了正态分布的相关函数：

from scipy.stats import norm

def normal_quantile(p):
    return norm.ppf(p)

`norm.ppf()`是累积分布函数的逆（percent point function），它接受概率p并返回相应的Z值。如果你想要自定义二分查找算法，可以这样做：

def binary_search_normal(left, right, p, dist=norm):
    while left <= right:
        mid = (left + right) // 2
        if dist.cdf(mid) < p:
            left = mid + 1
        else:
            right = mid - 1
    return left

# 调用函数
prob = 0.975  # 求取97.5%的分位点
z_score = binary_search_normal(-inf, inf, prob)

在这里，`binary_search_normal`函数通过不断将搜索范围减半直到找到目标概率对应的Z值。