numpy.median#

numpy.median(a, axis=None, out=None, overwrite_input=False, keepdims=False)[源代码]#

计算沿指定轴的中位数。

返回数组元素的 S 中位数。

参数:

a类数组对象: 输入数组或可以转换为数组的对象。
axis{int, 整数序列, None}, optional: 计算中位数的轴或轴。默认值 axis=None 将沿数组的展平版本计算中位数。如果是一个轴序列，数组将首先沿指定的轴展平，然后沿由此产生的展平轴计算中位数。
outndarray，可选: 用于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（输出的）类型将在必要时进行转换。
overwrite_input布尔值，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 后，输入数组将被修改。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，但它可能已被完全或部分排序。默认值为 False。如果 overwrite_input 为 True 且 a 不是 ndarray，则会引发错误。
keepdimsbool，可选: 如果设置为 True，则被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。

返回:

medianndarray: 包含结果的新数组。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相同。如果指定了 out，则返回该数组。

另请参阅

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

>>> 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)