stats4cj分位数完全指南percentile、四分位数、IQR与三均值逐层详解【免费下载链接】stats4cjstats4cj是一个仓颉实现的数学统计库包括总体/样本均值、总体/样本方差、分位数、统计分布等多种数理统计函数。项目地址: https://gitcode.com/Cangjie-SIG/stats4cjstats4cj 是一个用仓颉语言Cangjie实现的数学统计库其分位数Percentile家族是最实用的功能之一一行代码即可算出任意百分位数、四分位数Q1/Q2/Q3、四分位距 IQR、中点四分位数midhinge与三均值Trimean还能用 1.5×IQR / 3×IQR 法则自动标记温和异常值与极度异常值。本文将从最基础的percentile讲起逐层拆解到异常值检测帮你彻底掌握仓颉里的分位数计算。一、为什么需要分位数均值容易被极端值带偏一组数据里只要混入一个天价订单均值就会瞬间飙升。而分位数回答的是位置问题——把数据从小到大排好队第 25% 位、第 50% 位中位数、第 90% 位的人各站在哪里它天然对异常值稳健是数据分析、风控、性能监控如 P95 延迟中的核心工具。stats4cj 把常用的分位数算法封装成了 6 个开箱即用的函数分布在以下源码文件中模块文件提供的能力src/percentile.cj任意百分位数、最近秩百分位数src/quartile.cj四分位数、IQR、中点四分位数、三均值src/outlier.cj基于 IQR 的异常值检测src/describe.cj数据分布一站式描述报告完整接口说明见 doc/feature_api.md。二、percentile计算任意百分位数核心函数percentile(input, percent)接受一个Float64数组和 0~100 的百分比返回对应百分位值实现位于 src/percentile.cj#L6-L29。它是怎么算的三步走排序先对输入做一份升序拷贝不破坏原数据定位用percent/100 × 数据个数算出理想位置插值位置正好落在整数上时取该位置的值落在两个数之间时取相邻两个数的线性插值即它们的均值让结果更平滑。举个例子对[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]求 P50理想位置是 5返回5.0求 P99.9 时返回9.59 和 10 的插值。这些预期值都可以在测试用例 src/test/percentile_test.cj#L10-L14 中核对。⚠️注意percentile对百分比的要求是大于 0 且不超过 100。传0或101会抛出BoundException传入空数组则抛出EmptyInputException。异常类型定义在 src/exception/ 目录下。percentileNearestRank最近秩百分位数有时你希望结果必须是真实存在的数据点而不是插值出来的小数。这时用 src/percentile.cj#L31-L53 中的percentileNearestRank它对理想位置向上取整后直接取排序数组中对应排名的值即经典最近秩法并且允许 percent 取 0 和 100——分别返回最小值和最大值。两者的选择建议 追求精度、想要连续平滑的结果 →percentile线性插值 要求结果必须是原始数据中的真实值 →percentileNearestRank最近秩三、quartile 与 IQR四分位数经典三件套四分位数是把数据切成四等份的三个切分点对应percentile的 P25、P50、P75 特例。quartile一次拿到 Q1、Q2、Q3quartile(input)返回一个 Quartiles 对象包含Q1、Q2中位数、Q3三个字段实现见 src/quartile.cj#L13-L27。它采用含中位数的中位数法先整体求中位数 Q2再分别对左半部分和右半部分求中位数得到 Q1 与 Q3奇偶数量都兼容。以测试数据[6, 7, 15, 36, 39, 40, 41, 42, 43, 47, 49]为例结果为 Q115、Q240、Q343见 src/test/quartile_test.cj#L10-L18。interQuartileRangeIQR与 midhinge在 src/quartile.cj#L29-L45 中还有两个轻量统计量interQuartileRangeIQR Q3 − Q1衡量中间 50% 数据的离散程度是比标准差更抗异常值的波动标尺midhinge(Q1 Q3) / 2即中点四分位数也叫准中位数是不含中位数影响的位置代表值。四、trimean稳健的加权中心普通均值怕极端值中位数又怕忽略了整体信息。三均值Trimean正是折中方案实现在 src/quartile.cj#L47-L54Trimean (Q1 2×Q2 Q3) / 4中位数占一半权重两端四分位数各占 1/4——既利用了分位数的稳健性又保留了更多数据信息。对测试数据[1, 3, 4, 4, 6, …, 13]trimean返回7.25见 src/test/quartile_test.cj#L43-L48。当你怀疑数据里混有脏值、又不想完全抛弃均值时优先用它。五、用 IQR 揪出异常值quartileOutliers分位数家族最有实战价值的应用是异常值检测。quartileOutliers(input)基于箱线图经典法则把数据分成两档异常返回 Outliers 结构体mild温和异常值数组 extreme极度异常值数组完整逻辑见 src/outlier.cj#L13-L31档位判定条件含义温和异常mild越过 Q1−1.5×IQR 或 Q31.5×IQR 围栏值得怀疑需人工复核极度异常extreme越过 Q1−3×IQR 或 Q33×IQR 围栏大概率是脏数据测试用例 src/test/outlier_test.cj#L10-L15 很直观数据中-1000和100被判为极度异常15和18被判为温和异常——一次调用分级报警非常适合做数据清洗的第一步。六、describe一键生成数据分布报告前面的函数可以手动组合而describe(input, allowNaN, percentiles)帮你一步到位它同时计算 count、均值、标准差、最大值、最小值并按你指定的百分位列表如[25, 50, 75]填充分位数返回可格式化为表格的 Description 对象实现见 src/describe.cj#L44-L46。输出效果来自 README.md 的示例count 3 mean 2.00 std 0.82 max 3.00 min 1.00 25.00% nan 50.00% 1.50 75.00% 2.50 nan OK true小贴士allowNaN设为true时小数据集上算不出的百分位会以nan占位而不报错适合交互式探索做严格校验时传false。更多参数细节见 src/test/describe_test.cj。七、总结分位数家族速查表函数一句话定位源码位置percentile任意百分位数线性插值src/percentile.cj#L6percentileNearestRank取真实数据点的最近秩百分位src/percentile.cj#L31quartile一次拿到 Q1/Q2/Q3src/quartile.cj#L13interQuartileRangeIQR稳健离散度src/quartile.cj#L29midhinge(Q1Q3)/2 中点四分位数src/quartile.cj#L38trimean稳健加权中心值src/quartile.cj#L47quartileOutliers1.5×/3×IQR 双档异常检测src/outlier.cj#L13describe含分位数的一站式报告src/describe.cj#L44上手路线建议先用describe看清全貌 → 用percentile盯住你关心的 P95/P99 → 用quartileOutliers清洗脏数据。stats4cj 单元测试覆盖率达到 100%见 doc/coverage.md可以放心在业务中直接使用。如果你想在本地跑起来可克隆仓库git clone https://gitcode.com/Cangjie-SIG/stats4cj再按 README.md 的说明执行cjpm update cjpm build即可。【免费下载链接】stats4cjstats4cj是一个仓颉实现的数学统计库包括总体/样本均值、总体/样本方差、分位数、统计分布等多种数理统计函数。项目地址: https://gitcode.com/Cangjie-SIG/stats4cj创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考