numpy - 为什么 octave 的 prctile 和 numpy 的百分位数之间存在差异？

Question

我一直在将 matlab/octave 程序重写为 numpy，并在某些结果值中遇到差异。百分位数/prctile 和标准偏差函数都会出现这种情况。

在 Numpy 中:

import matplotlib.mlab as ml
import numpy

>>> t = numpy.linspace(0,100, 100)
>>> numpy.percentile(t,95)
95.0
>>> numpy.std(t)
29.157646512850626
>>> ml.prctile(t,95)
95.000000000000014              

Octave :

octave:1> t = linspace(0,100,100)';
octave:2> prctile(t,95)
ans =  95.454545
octave:3> std(t)
ans =  29.304537

虽然 't' 的数组值相同，但结果比我想象的更加不同。

在 numpy 帮助(numpy.std)中，他们特别提到算法是:

std = sqrt(mean(abs(x - x.mean())**2))

所以我在 Octave 音程中实现了它并得到了 numpy 给出的确切答案。所以看起来标准偏差函数不同。
但为什么/如何？哪个是正确的？ (如果有的话)

甚至 prctile/percentile？

以防万一，因为我在 Linux aptosid...

GNU Octave，版本 3.6.2

numpy.version '1.6.2rc1'

Answer 1

当百分位数位于两个数据点之间时，Numpy 只是使用不同的算法。 Octave、Matlab 和 R 总是在需要时将它准确地居中在两点之间(我相信)，numpy 做的比这多一点......如果你检查 http://en.wikipedia.org/wiki/Percentile您会看到有几种方法可以计算百分位数。