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 NaNs.

返回数组元素的中位数.

在 1.9.0 版本加入.

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.默认是计算展平数组后的中位数.自版本1.9.0起支持轴序列.

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 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 a 广播.

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

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, median, 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 的两个中间值的平均值.

示例

>>> 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)