numpy.percentile用于计算数组指定百分位数，关键参数包括a（输入数组）、q（0–100间百分位数）、axis（计算轴，默认None展平）；含NaN需设nan_policy='omit'；method控制插值方式；keepdims配合axis保留维度。
percentile函数的基本用法和参数含义
numpy.percentile 是计算数组中指定百分位数的主力函数，它不修改原数组，返回标量或新数组。关键参数有三个：a（输入数组）、q（要计算的百分位数，0–100之间）、axis（沿哪个轴计算）。默认 axis=None，即把整个数组展平后算；设为 axis=0 表示按列算，axis=1 表示按行算。
注意 q 必须是数字或数字序列，不能是浮点数组以外的类型；传入 [25, 50, 75] 会一次性返回三个值，比循环调用三次更高效。
处理含 NaN 的数组时必须加 nan_policy='omit'
如果数组里有 np.nan，直接调用 np.percentile 会返回 nan——这不是 bug，而是默认行为。你得显式告诉它怎么处理缺失值：
- 不加参数：结果全为
nan（哪怕只有一个nan） - 加
nan_policy='omit'：跳过nan计算（最常用） -
nan_policy='propagate'：保持默认，遇到nan就返回nan -
nan_policy='raise'：直接抛ValueError
例如：np.percentile(arr, 90, nan_policy='omit') 才能对含缺失值的传感器数据做有效统计。
插值方式影响结果，method 参数不能忽略
当目标百分位落在两个实际数据点之间时，percentile 需要插值。不同 method 值结果可能差不少，尤其在小样本或边界值（如第1百分位）时：
Python 3.14.3
微软官方的 Python 扩展，是 VS Code 安装量最高的扩展（209M+）。集成 IntelliSense（通过 Pylance）、调试（通过 Python Debugger）、代码检查、格式化、重构和单元测试等功能。支持 Jupyter Notebook、虚拟环境管理和多 Python 版本切换。
-
method='linear'（默认）：线性插值，最常见 -
method='lower'：取下界值，保守估计 -
method='higher'：取上界值，偏高估计 -
method='midpoint'：取上下界中点 -
method='nearest'：取最近的实际值（四舍五入式）
金融风控中常选 'lower' 避免低估风险阈值；A/B测试分析则多用默认 'linear' 保证平滑性。
axis 和 keepdims 配合使用才能保留原始维度结构
想对二维数组每列求第95百分位，但又希望结果形状是 (1, n) 而不是一维 (n,)，就得用 keepdims=True：
np.percentile(data, 95, axis=0, keepdims=True)
否则即使指定了 axis=0，返回的也是压缩掉该轴的一维数组，后续做广播运算（比如减去每列的95%分位数做归一化）会报错。这个细节在写批量预处理脚本时特别容易漏。
真正难的不是调用函数，而是想清楚你要的是「全局阈值」「逐列阈值」还是「逐行阈值」，以及是否允许 NaN 干扰、要不要控制插值倾向——这些决定比敲代码花的时间多得多。
