如何从频率表中计算百分位数？

Question

我有CSV文件：

fr id
 1 10000152
 1 10000212
 1 10000847
 1 10001018
 2 10001052
 2 10001246
14 10001908
...........

这是一个频率表，其中id是整数变量，fr是给定值的出现次数。文件按值递增排序。 我想计算变量的百分位数（即90％，80％，70％...... 10％）。

我在纯Python中完成了这个，类似于这个伪代码：

bucket=sum(fr)/10.0
percentile=1
sum=0
for (current_fr, current_id) in zip(fr,id):
   sum=sum+current_fr
   if (sum > percentile*bucket):
      print "%i percentile: %i" % (percentile*10,current_id)
      percentile=percentile+1

但是这段代码非常原始：它没有考虑到百分位数应该在集合的值之间，它不能退一步等。

还有更优雅，通用，现成的解决方案吗？

Answer 1

好像你想要fr的累积总和。你可以做到

cumfr = [sum(fr(:i+1)) for i in range(len(fr))]

那么百分位数是

percentile = [100*i/cumfr[-1] for i in cumfr]