numpy.ma.median#

ma.median(a, axis=None, out=None, overwrite_input=False, keepdims=False)[source]#

沿指定轴计算中位数。

返回数组元素的中位数。

参数：
aarray_like

输入数组或可以转换为数组的对象。

axisint, 可选

计算中位数的轴。默认值 (None) 是沿数组的扁平化版本计算中位数。

outndarray, 可选

放置结果的备用输出数组。它必须具有与预期输出相同的形状和缓冲区长度，但类型将根据需要进行转换。

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。输入数组将被对 median 的调用修改。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。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

如果将其设置为 True，则减少的轴将作为大小为一的维度保留在结果中。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，否则返回一个包含结果的新数组，在这种情况下返回对 out 的引用。返回的数据类型对于小于 float64 的整数和浮点数为 float64，否则为输入数据类型。

参见

mean

备注

给定一个具有 N 个非掩码值的向量 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]，当 N 为偶数时为 {Vs[N/2 - 1] + Vs[N/2]}/2。

示例

>>> 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)
本页内容