numpy.median#

numpy.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。

axis{int, int 的序列, None}, 可选

计算中位数的轴或轴。默认值 axis=None 将沿数组的扁平化版本计算中位数。

版本 1.9.0 中的新内容。

如果为轴的序列,则首先沿给定的轴扁平化数组,然后沿生成的扁平化轴计算中位数。

outndarray, 可选

放置结果的备用输出数组。它必须与预期输出具有相同的形状和缓冲区长度,但如果需要,类型(输出的类型)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。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。如果 overwrite_inputTruea 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,作为大小为一的维度。使用此选项,结果将与原始 arr 正确广播。

版本 1.9.0 中的新内容。

返回值:
medianndarray

一个包含结果的新数组。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数据类型相同。如果指定了 out,则返回该数组。

另请参阅

mean, percentile

注释

给定长度为 N 的向量 VV 的中位数是 V 的已排序副本 V_sorted 的中间值,即 V_sorted[(N-1)/2],当 N 为奇数时,以及当 N 为偶数时 V_sorted 的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)