numpy.ma.median

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

计算沿指定轴的中位数.

返回数组元素的中位数.

参数:

aarray_like

可以转换为数组的输入数组或对象.

轴int, optional

计算中位数沿其计算的轴.默认值 (None) 是沿数组的扁平化版本计算中位数.

outndarray,可选

用于放置结果的可选替代输出数组.它必须具有与预期输出相同的形状和缓冲区长度,但如有必要,将转换类型.

overwrite_inputbool,可选

如果为 True,则允许使用输入数组 (a) 的内存进行计算.调用中位数后,输入数组将被修改.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,但它可能会被完全或部分排序.默认为 False.请注意,如果 overwrite_input 为 True,并且输入还不是 ndarray ,则会引发错误.

keepdimsbool,可选

如果设置为 True,则缩小的轴将保留在结果中,作为大小为 1 的维度.使用此选项,结果将针对输入数组正确广播.

返回:

medianndarray

除非指定了 out,否则将返回一个包含结果的新数组,在这种情况下,将返回对 out 的引用.对于整数和小于 float64 的浮点数,返回数据类型为 float64 ,否则为输入数据类型.

参见

mean

注释

给定一个包含 N 个非掩盖值的向量 V , V 的中位数是 V 的排序副本 ( Vs ) 的中间值 - 即,当 N 为奇数时,为 Vs[(N-1)/2] ,或者当 N 为偶数时,为 {Vs[N/2 - 1] + Vs[N/2]}/2 .

示例

Try it in your browser!

>>> import numpy as np
>>> x = np.ma.array(np.arange(8), mask=[0]*4 + [1]*4)
>>> np.ma.median(x)
1.5

>>> x = np.ma.array(np.arange(10).reshape(2, 5), mask=[0]*6 + [1]*4)
>>> np.ma.median(x)
2.5
>>> np.ma.median(x, axis=-1, overwrite_input=True)
masked_array(data=[2.0, 5.0],
             mask=[False, False],
       fill_value=1e+20)

Go BackOpen In Tab