numpy.nanmedian#
- numpy.nanmedian(a, axis=None, out=None, overwrite_input=False, keepdims=<no value>)[source]#
计算指定轴上的中位数,同时忽略 NaN。
返回数组元素的中位数。
版本 1.9.0 中的新功能。
- 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。默认情况下,沿数组的扁平化版本计算中位数。从版本 1.9.0 开始支持轴的序列。
- 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。对
median
的调用将修改输入数组。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。默认为 False。如果 overwrite_input 为True
且 a 尚未为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,结果将针对原始 a 正确广播。
如果这与默认值不同,它将被传递(在空数组的特殊情况下)到基础数组的
mean
函数。如果数组是子类且mean
没有关键字参数 keepdims,则会引发 RuntimeError。
- 返回值:
- medianndarray
一个包含结果的新数组。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的数据类型相同。如果指定了 out,则返回该数组。
参见
备注
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([[10.0, 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)