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.

axis{int, 整数序列, None}, 可选

计算中位数的轴或轴.默认情况下,axis=None,将对数组的展平版本计算中位数.

在 1.9.0 版本加入.

如果给定一个轴序列,数组首先沿着这些轴展平,然后沿着结果展平的轴计算中位数.

outndarray,可选

要在其中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,输出类型将被强制转换.

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 median 时将修改输入数组.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 还不是 ndarray,则会引发错误.

keepdimsbool, 可选

如果设置为 True,被减少的轴将作为尺寸为1的维度保留在结果中.使用此选项,结果将正确地与原始 arr 广播.

在 1.9.0 版本加入.

返回:

medianndarray

一个保存结果的新数组.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.如果指定了 out ,则返回该数组.

参见

mean, percentile

备注

给定一个长度为 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,``V_sorted[(N-1)/2]``,当 N 为偶数时,是 V_sorted 两个中间值的平均值.

示例

>>> 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)