numpy.nanmedian

numpy.nanmedian(a, axis=None, out=None, overwrite_input=False, keepdims=<no value>)

沿指定轴计算中位数,同时忽略 NaN.

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.

axis{int, sequence of int, None}, optional

计算中位数的轴或多个轴.默认值是沿数组的扁平化版本计算中位数.自 1.9.0 版本起,支持轴序列.

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,但是必要时将强制转换(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.默认为 False.如果 overwrite_input 为 True 且 a 尚未是 ndarray ,则会引发错误.

keepdimsbool, 可选

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

如果这不是默认值,它将传递给(在空数组的特殊情况下)底层数组的 mean 函数.如果数组是子类并且 mean 没有 kwarg keepdims ,这将引发 RuntimeError.

返回:

medianndarray

包含结果的新数组. 如果输入包含整数或小于 float64 的浮点数,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 , median , percentile

注释

给定一个长度为 N 的向量 V , V 的中位数是 V 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([[10.0, 7, 4], [3, 2, 1]])
>>> a[0, 1] = np.nan
>>> a
array([[10., nan,  4.],
       [ 3.,  2.,  1.]])
>>> np.median(a)
np.float64(nan)
>>> np.nanmedian(a)
3.0
>>> np.nanmedian(a, axis=0)
array([6.5, 2. , 2.5])
>>> np.median(a, axis=1)
array([nan,  2.])
>>> b = a.copy()
>>> np.nanmedian(b, axis=1, overwrite_input=True)
array([7.,  2.])
>>> assert not np.all(a==b)
>>> b = a.copy()
>>> np.nanmedian(b, axis=None, overwrite_input=True)
3.0
>>> assert not np.all(a==b)

Go BackOpen In Tab