上一主题

numpy.nanpercentile

下一主题

numpy.average

numpy.median

numpy.median(a, axis=None, out=None, overwrite_input=False, keepdims=False)[source]

计算沿指定轴的中值。

返回数组元素的中位数。

参数:

a:array_like

输入可以转换为数组的数组或对象。

axis:{int,int,None},可选

计算中值的轴或轴。默认值是计算数组的平面版本中的中值。自版本1.9.0起,支持一系列轴。

out:ndarray,可选

用于放置结果的替代输出数组。它必须具有与预期输出相同的形状和缓冲区长度,但如果需要,将转换类型(输出)。

overwrite_input:bool,可选

如果为True,则允许使用输入数组a的内存进行计算。输入数组将通过调用median进行修改。当您不需要保留输入数组的内容时,这将节省内存。将输入视为未定义,但可能会完全或部分排序。默认值为False。如果overwrite_inputTruea不是ndarray,则会引发错误。

keepdims:bool,可选

如果设置为True,则缩小的轴在结果中保留为尺寸为1的尺寸。使用此选项,结果将相对于原始arr正确广播。

版本1.9.0中的新功能。

返回:

median:ndarray

保存结果的新数组。如果输入包含小于float64的整数或浮点数,则输出数据类型为np.float64否则,输出的数据类型与输入的数据类型相同。如果指定out,则返回该数组。

也可以看看

meanpercentile

笔记

给定长度N的向量VV的中间值是V的排序副本的中间值, ,V_sorted - 即,V_sorted[(N-1)/2],当NN是偶数时,V_sorted的中间值。

例子

>>> a = np.array([[10, 7, 4], [3, 2, 1]])
>>> a
array([[10,  7,  4],
       [ 3,  2,  1]])
>>> np.median(a)
3.5
>>> np.median(a, axis=0)
array([ 6.5,  4.5,  2.5])
>>> np.median(a, axis=1)
array([ 7.,  2.])
>>> m = np.median(a, axis=0)
>>> out = np.zeros_like(m)
>>> np.median(a, axis=0, out=m)
array([ 6.5,  4.5,  2.5])
>>> m
array([ 6.5,  4.5,  2.5])
>>> b = a.copy()
>>> np.median(b, axis=1, overwrite_input=True)
array([ 7.,  2.])
>>> assert not np.all(a==b)
>>> b = a.copy()
>>> np.median(b, axis=None, overwrite_input=True)
3.5
>>> assert not np.all(a==b)