百分位数的线性插值公式为：
线性：i +（j - i）*分数，其中分数是由i和j包围的索引的小数部分。
假设我有16个观察结果的列表：
test = [0, 1, 5, 5, 5, 6, 6, 7, 7, 8, 11, 12, 21, 23, 23, 24]
我将它作为numpy数组传递，并使用线性插值计算第85个百分点。
np_test = np.asarray(test)
np.percentile(np_test, 85, interpolation = 'linear')
我得到的结果是 22.5 。但是，我不认为这是对的。第85百分位数的指数是.85 * 16 = 13.6。因此，小数部分是.6。 第13个值是21，所以i = 21.第14个值是23，因此j = 23.线性公式应该产生：
21 +（23 - 21）* .6 = 21 + 2 * .6 = 21 + 1.2 = 22.2
正确的答案是 22.2 。为什么我得到22.5呢？
答案 0 :(得分：3)
len(test)为16，但最后一个元素与第一个元素之间的距离为1，即d=16-1=15-0=15。因此，第85百分位数的索引是d*0.85 = 15*0.85 = 12.75。 test[12] = 21和test[13] = 23。因此，对小数部分使用线性插值，我们得到：21 + 0.75 * (23 - 21) = 22.5。正确的答案是 22.5 。
来自numpy.percentile()文档的备注部分：
给定长度为N的向量V，V的第q个百分位数是从V的排序副本中从mimumum到最大in的路径的值q / 100.
在我看来，这里的关键是＆＃34;从最小到最大的方式＆＃34; 。让我们说我们编号从1到16的元素。然后＆＃34;位置＆＃34;第一个元素是1和＆＃34;位置＆＃34; （{＆1}}中最后一个元素的＆＃34;索引的坐标轴＆＃34;）是16.因此它们之间的距离是test。