我继承了一些旧的Stata代码（Stata11），它使用xtile函数按照分位数对矢量中的观测值进行分类（在这种情况下，只有标准的5个五分位数，20％，40％，60 ％，80％，100％）。
我正在尝试在Python中复制一段代码，我正在使用SciPy.stats.mstats函数mquantiles()进行计算。
尽管我从Stata文档和在线搜索中可以看出，Stata xtile方法试图反转数据的经验CDF，并使用CDF平坦的所有观测值的等加权平均值制作切点。这似乎是对分位数进行分类的一种非常差的方法，但它就是这样，我确信有些情况下这是正确的事情。
我的问题是如何让mquantiles()产生同样的破坏惯例。我注意到这个函数有两个参数，alphap和betap（文档称它们为alpha和beta，但你需要额外的'p'来使它工作，至少我这样做...如果我只使用Python 2.7.1和SciPy 0.10.0的'alpha'和'beta'，我会收到错误。但即使在SciPy文档中，我也看不出是否存在这些参数的组合产生平均CDF范围的平均值。
我看到看起来像计算选项作为此范围的中位数或模式，但不是平均值（也不清楚这些具有alpha和beta的SciPy中位数/模式选项是否计算为<的中位数/模式em>观察或产生平坦CDF值的范围。）
任何帮助消除这些不同选项的歧义并找到一些文档可以帮助我在Python中重新创建Stata约定会很棒。请不要只说“编写自己的分位数函数”的答案。首先，这并不能帮助我理解Stata或SciPy的惯例，其次，给定这些数值库，编写我自己的分位数函数应该是最后的手段。我当然可以这样做，但如果我需要的话，它会很糟糕。
答案 0 :(得分：7)
scipy.stats.mquantiles文档很差，并且错误在某些地方，现在已修复，因此可能会有帮助... http://docs.scipy.org/scipy/docs/scipy.stats.mstats_basic.mquantiles/。当您指出alpha / beta，alphap / betap差异时，该过程就开始了。谢谢。
mquantiles的实现遵循R。
最大的区别在于R有9个离散类型，因为scipy.stats.mquantiles从'alphap'和'betap'计算'm'，scipy有一系列连续的“类型”（因为缺乏更好的字）。
我承认我不了解所涉统计数据的所有细节，所以我决定进行暴力评估。我在http://www.biostat.sdu.dk/~biostat/StataReferenceManual/StataRef.pdf找到了一个xtile示例，并且能够将结果与alphap = 0.5和betap = 0.5（分段线性）匹配。不是确定的，也不是详尽无遗的，但我现在所拥有的只是。
In [1]: import scipy.stats as st
In [9]: st.mstats.mquantiles([23,56,67,123,99,17],prob=[0.5],alphap=0.5,betap=.5)
Out[9]: array([ 61.5])
In [10]: st.mstats.mquantiles([23,56,67,123,99,17],prob=[0.33,0.66],alphap=0.5,betap=.5)
Out[10]: array([ 38.84, 81.72])
In [11]: st.mstats.mquantiles([23,56,67,123,99,17],prob=[0.25,0.5,0.75],alphap=0.5,betap=.5)
Out[11]: array([ 23. , 61.5, 99. ])
最后一个有点问题，因为两个分割点正好在数据集中的值上。 Stata / xtile（至少在我发现的例子中）不给出分位数的分裂点，而是给出分位数本身。给定排序数据集[17,23,56,67,99,123]，Stata / xtile给出的分类为[1,1,2,3,3,4]，这意味着scipy.stat.mquantiles匹配上层分位数的界限大于或等于该分位数中的所有值。