numpy.median

numpy.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, sequence of int, None}, optional

计算中位数的轴或轴.默认值 axis=None 将计算展平数组的中位数.如果是轴序列,则首先沿给定的轴展平数组,然后沿所得的展平轴计算中位数.

outndarray,可选

用于放置结果的可选输出数组.它必须具有与预期输出相同的形状和缓冲区长度,但是如有必要,将强制转换(输出的)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.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,但它可能会被完全或部分排序.默认值为False.如果 overwrite_input 为 True 且 a 尚未为 ndarray ,则会引发错误.

keepdimsbool,可选

如果将其设置为True,则缩减的轴将保留在结果中,作为大小为1的维度.使用此选项,结果将针对原始 arr 正确广播.

返回:

medianndarray

一个包含结果的新数组.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相同.如果指定了 out ,则返回该数组.

参见

mean , percentile

注释

给定长度为 N 的向量 V , V 的中位数是 V 的排序副本 V_sorted 的中间值 - 即,当 N 为奇数时为 V_sorted[(N-1)/2] ,当 N 为偶数时为 V_sorted 的两个中间值的平均值.

示例

Try it in your browser!

>>> import numpy as np
>>> a = np.array([[10, 7, 4], [3, 2, 1]])
>>> a
array([[10,  7,  4],
       [ 3,  2,  1]])
>>> np.median(a)
np.float64(3.5)
>>> np.median(a, axis=0)
array([6.5, 4.5, 2.5])
>>> np.median(a, axis=1)
array([7.,  2.])
>>> np.median(a, axis=(0, 1))
np.float64(3.5)
>>> 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)
np.float64(3.5)
>>> assert not np.all(a==b)

Go BackOpen In Tab