numpy.nanmedian#

numpy.nanmedian(a, axis=None, out=None, overwrite_input=False, keepdims=<no value>)[源]#

沿指定轴计算中位数，同时忽略 NaN 值。

返回数组元素的中位数。

参数:

a类数组

输入数组或可转换为数组的对象。

axis{int, int 序列, None}, 可选

计算中位数的轴。默认为沿数组的扁平化版本计算中位数。从 1.9.0 版本开始支持轴序列。

outndarray, 可选

用于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，但如果需要，输出类型将被转换。

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。输入数组将通过调用 median 进行修改。当你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，但它可能已完全或部分排序。默认值为 False。如果 overwrite_input 为 True 且 a 并非已经是 ndarray，则会引发错误。

keepdimsbool, 可选

如果设置为 True，则缩减的轴将作为大小为一的维度保留在结果中。使用此选项，结果将与原始 a 正确广播。

如果此参数不是默认值，它将（在空数组的特殊情况下）传递给底层数组的 mean 函数。如果数组是子类且 mean 没有 kwarg keepdims，这将引发 RuntimeError。

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, median, percentile

注释

给定长度为 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([[10.0, 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)