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_inputTruea 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。

备注

给定长度为 N 的向量 VV 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)