<p>基尼系数函数需排序→累积占比→套公式：1 - 2×sum(cumsum)/n + 1/n；自动剔NaN、支持负值但建议平移处理；不依赖scipy，避免np.diff/np.trapz误差，时间复杂度O(n log n)。</p>
用 numpy 写最简基尼系数函数，别碰 scipy.stats.gini
Python 标准库和主流科学计算包里没有内置的基尼系数函数——scipy 从没提供过 gini，网上搜到的所谓“scipy.stats.gini”全是错觉或过时文档。真要算，得自己写，而且必须从排序和累积和出发。
核心逻辑就三步：排序 → 算累积占比 → 套公式 1 - sum(累计权重 × 对应排序后值占比)。下面这个版本够用、易懂、抗负值（比如财富数据含负债）：
import numpy as np <p>def gini(x): x = np.asarray(x) if len(x) == 0: return np.nan x = x[~np.isnan(x)] # 自动剔除 NaN if len(x) < 2: return 0.0 x = np.sort(x) n = len(x) cumsum = np.cumsum(x) / x.sum() # 累计财富占比 return 1 - 2 * np.sum(cumsum) / n + 1 / n
注意：这个实现默认把 x 当作原始数值（如个人净资产），不强制要求非负；若你传入的是已归一化的概率分布（和为 1），结果一样，但语义不同。
传入负值或零值会怎样？为什么不能直接用 np.diff 或 np.trapz
基尼本质是洛伦兹曲线下的面积，而洛伦兹曲线定义域是 [0,1]，值域也必须是非负的——所以当数据含负数（比如净财富为负的人群），严格来说“财富基尼”无定义。但实操中常做平移处理：x = x - x.min() + 1e-8，避免除零或负占比。
立即学习“Python免费学习笔记（深入）”；
有人想用 np.trapz 数值积分洛伦兹曲线，容易翻车：
-
np.trapz要求横纵坐标严格等长且单调，而原始数据未排序时直接喂进去会得到垃圾结果 -
np.diff搭配排序后数组算“阶梯高度”，容易漏掉首尾点，导致面积偏差 >5% - 更隐蔽的坑：用
np.mean(np.abs(x[:, None] - x[None, :])) / (2 * np.mean(x))这种两重循环形式，时间复杂度 O(n²)，万级数据就卡住
和 statsmodels 的 gini 结果对不上？检查权重参数和排序方向
statsmodels.stats.weightstats.gini（注意路径）支持加权，但默认按升序排，而有些论文或工具（如 World Bank 的 PovCalNet）默认降序——顺序反了，基尼值会变。
关键差异点：
-
statsmodels版本：接受weights参数，适合分组汇总数据（如各省人均收入+人口数） - 自定义函数默认无权重，若要加权，得先展开成重复数组（小数据可行）或改用加权累积和：
cumsum = np.cumsum(w * x_sorted) / np.sum(w * x_sorted) - 两者在
x=[1,1,1,1]时都返回 0.0；但在x=[0,0,0,1]时，不加权结果是 0.75，加权（权重全为 1）也一致；但若权重是[1,1,1,100]，结果跳到 ~0.98
实际算居民收入基尼时，三个硬性前置动作不能省
真实数据不是教科书数字，直接扔进函数大概率得出荒谬值（比如 >1 或负数）：
- 先做
np.clip(x, a_min=0, a_max=None)：剔除明显异常负值（统计误差、录入错误），别靠“理论允许”硬扛 - 确认单位统一：全省数据混着“元/月”和“万元/年”？必须全部转成同单位再归一化或直接计算
- 样本代表性检查：如果只拿到前 10% 高收入者数据，基尼会被严重高估——这不是算法问题，是数据缺陷，函数没法救
基尼系数本身对极值敏感，一个百万收入混在万元群体里，就能让结果跳升 0.03 以上。与其纠结公式细节，不如花两倍时间清洗和理解数据来源。
