numpy.median

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

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_input是True和a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

mean，percentile

笔记

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