这是p平方算法的python实现
psquare的Python项目详细描述
简介
这是this paper的python实现， 提出了一种动态计算中值和其他百分位数的启发式算法。 它的优点是在每次迭代时运行o（1），因此在 处理连续（快速）输入的数据。
安装
来源
git clone git@gitlab.octo.com:bdalab/psquare.git cd psquare python setup.py install使用pip
pip install psquare
使用示例
在下面的例子中，我们将估计n（0,1）分布的95%的值
使用p平方算法。当我们不断从分布中提取数据时，我们会比较我们的估计值，
与numpy.percentile函数给出的真值进行比较。最后，我们将
使用psquare和numpy.percentile计算残差和执行时间。
importnumpyasnpimportmatplotlibimportmatplotlib.pyplotaspltimporttimefrompsquare.psquareimportPSquareNB_ITERATIONS=30000defrandom_generator():returnnp.random.normal(0,1,1)defexact_value_for_quantile(values,quantile):returnnp.percentile(values,quantile)defmain():values=[random_generator()for_inrange(5)]quantile_to_estimate=95psquare=PSquare(quantile_to_estimate)exact_quantiles=[]estimated_quantiles=[]psquare_exec_time=[]numpy_exec_time=[]forvalinvalues:# p square algorithm necessitates 5 values to startpsquare.update(val)for_inrange(NB_ITERATIONS):new_val=random_generator()values.append(new_val)psquare_start=time.time()psquare.update(new_val)estimated_quantiles.append(psquare.p_estimate())psquare_end=time.time()numpy_start=time.time()exact_quantiles.append(exact_value_for_quantile(values,quantile_to_estimate))numpy_end=time.time()psquare_exec_time.append(psquare_end-psquare_start)numpy_exec_time.append(numpy_end-numpy_start)matplotlib.rc('figure',figsize=(10,5))errors=np.abs(np.array(estimated_quantiles)-np.array(exact_quantiles))plt.plot(errors)plt.title('Absolute error between p-square predicted value and exact percentile value')plt.ylabel('Difference between exact percentile value and p-square estimation')plt.xlabel('Size of the dataset')plt.rcParams["figure.figsize"]=(10,5)plt.show()plt.plot(psquare_exec_time[1:],label='p-square')plt.plot(numpy_exec_time[1:],label='numpy percentile')plt.title('Execution time to compute percentile on a growing dataset')plt.ylabel('Execution time (in seconds)')plt.xlabel('Size of the dataset')plt.legend()plt.rcParams["figure.figsize"]=(10,5)plt.show()if__name__=='__main__':main()
估计值与准确值之间的误差
使用前面的示例，我们得到以下图：
精确百分位数和预测百分位数之间的误差
p平方估计与numpypercentile函数之间的执行时间：
欢迎加入QQ群-->： 979659372
