Go Gonum Quantile 为什么要求输入先排序

在 Go Gonum 中调用 stat.Quantile 时，样本 x 不能像普通求和那样随便排列，必须按升序准备。原因不是 API 的形式要求，而是分位数要在有序样本上定位“累计到某个比例时对应的值”；顺序错了，位置和累计权重就失去意义。

官方资料：https://pkg.go.dev/gonum.org/v1/gonum/stat

先排序，再计算分位数。无权数据直接排序 x；带权数据要用 SortWeighted 让权重跟着样本一起移动。排序只解决位置问题，Empirical 或 LinInterp 再决定如何取值。

Quantile 的排序要求到底是什么

Gonum 文档明确规定：x 必须按递增顺序排列；如果传入 weights，它的长度必须和 x 一致；空的 x 会触发 panic。这里的“排序”允许相等值，但不能出现后一个值小于前一个值。

因此，下面这种调用在进入统计逻辑前就不满足输入契约：

package main

import (
	"fmt"

	"gonum.org/v1/gonum/stat"
)

func main() {
	// Quantile 的位置计算建立在升序样本上。
	x := []float64{80, 20, 50, 90, 40}

	// Empirical 返回落在累计比例位置上的样本值。
	value := stat.Quantile(0.5, stat.Empirical, x, nil)
	fmt.Println(value)
}

不要把“函数返回了一个 float64”当成输入已经正确。排序契约的目的，是让返回值对应样本分布中的确定位置，而不是让函数替调用方猜测原始数据的意图。

为什么无序样本不能直接算分位数

把分位数想成一条已经排好的刻度带：p=0 靠近最小值，p=1 靠近最大值，中间的 p 通过样本位置或累计权重找到对应点。这个模型依赖“前面的样本不大于后面的样本”。

在 Empirical 模式下，结果是满足累计比例的最低样本值；在 LinInterp 模式下，结果可以落在相邻样本之间。两种模式的取值规则不同，但都需要有序的相邻关系。排序不是为了让输出看起来整齐，而是为了使“相邻”“累计到这里”这些概念成立。

这也解释了为什么 Quantile 不负责偷偷排序：原地排序可能改变调用方仍在使用的切片顺序，复制后排序又会增加内存成本，而且带权数据还必须同步移动权重。Gonum 把数据准备责任留在调用层，边界更清楚。

带权样本要让权重和 x 一起排序

带权分位数中，每个 x[i] 对应一个 weights[i]。如果只排序 x 而不移动权重，样本值和它代表的样本量就会错配，结果即使有数字，也不再代表原始数据。

package main

import (
	"fmt"

	"gonum.org/v1/gonum/stat"
)

func main() {
	// 每个权重表示对应样本值在分布中的份量。
	x := []float64{80, 20, 50, 90, 40}
	weights := []float64{1, 4, 2, 1, 3}

	// 该方法原地同步整理 x 与 weights 的对应关系。
	stat.SortWeighted(x, weights)

	// 排序后再按累计权重取中位位置。
	median := stat.Quantile(0.5, stat.Empirical, x, weights)
	fmt.Printf("x=%v weights=%v median=%.1f\n", x, weights, median)
}

如果原始切片后面还要保留，先复制 x 和 weights，再调用 SortWeighted。这一步不是 Quantile 的特殊规则，而是 Go 切片原地修改带来的工程取舍。

Empirical 和 LinInterp 不是排序的替代品

排序完成后，还要根据业务需要选择累计量类型：

• stat.Empirical：返回满足累计比例的最低样本值，结果来自已有样本点。
• stat.LinInterp：在相邻样本值之间线性插值，结果可能不是原始样本中的某个值。

也就是说，排序解决“样本位置是否可信”，CumulantKind 解决“定位后如何解释这个位置”。如果需求是报告原始观测中的一个代表值，通常先考虑 Empirical；如果需求允许在相邻观测之间平滑估计，再考虑 LinInterp。不要通过切换类型来掩盖未排序输入。

把边界处理放到调用层

实际项目里可以把数据整理集中在一个小函数中，避免不同调用点各自忘记检查：

func quantile(p float64, samples, weights []float64) (float64, error) {
	// 空样本和权重长度错误都应在调用边界返回。
	if len(samples) == 0 {
		return 0, fmt.Errorf("samples must not be empty")
	}
	if weights != nil && len(samples) != len(weights) {
		return 0, fmt.Errorf("samples and weights length mismatch")
	}

	// Quantile 会读取升序数据；带权时必须成对排序。
	stat.SortWeighted(samples, weights)
	return stat.Quantile(p, stat.LinInterp, samples, weights), nil
}

这段示例假定调用方已经通过上层规则处理 NaN 和切片是否允许原地修改；Gonum 文档与实现还会检查百分位范围、空切片以及权重长度。边界责任写清楚后，统计函数本身就可以保持简洁。

最终记住四点：x 按升序排列；权重和样本同步移动；排序不等于选择插值方式；需要保留原顺序时先复制切片。

相关问题

Quantile 会自动帮我排序吗？

不要依赖自动排序。按 Gonum 的输入契约，调用前应准备好升序样本；带权数据使用 SortWeighted 更安全。

为什么不能只给 weights 排序？

权重必须始终对应同一个样本值。只移动其中一边会改变分布含义，得到的数字不能代表原始样本。

重复值会破坏 Quantile 吗？

不会。升序排序允许相等值；需要关注的是整体顺序、累计权重和所选的 CumulantKind。