numpy.ma.median

ma.median(a, axis=None, out=None, overwrite_input=False, keepdims=False)

沿指定轴计算中间值。

返回数组元素的中位数。

参数

aarray_like

可以转换为数组的输入数组或对象。

axis可选的

计算中间值的轴。默认（无）是沿着数组的扁平版本计算中间值。

outndarray，可选

用于放置结果的可选输出数组。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，类型将被强制转换。

overwrite_input可选的布尔

如果为真，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中间值进行修改。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，但它可能是完全或部分排序的。默认值为假。注意，如果 overwrite_input 为真，输入不是 ndarray ，将引发错误。

keepdims可选的布尔

如果设置为“真”，则缩小的轴将保留在结果中，作为尺寸为1的尺寸。使用此选项，结果将针对输入数组正确广播。

1.10.0 新版功能.

返回

median恩达雷

除非指定out，否则将返回保存结果的新数组，在这种情况下，将返回对out的引用。返回数据类型为 float64 对于小于 float64 或者输入数据类型，否则。

参见

mean

笔记

给定向量 V 具有 N 非屏蔽值，中间值 V 是的已排序副本的中间值 V (Vs -即 Vs[(N-1)/2] 当 N 很奇怪，或者 {{Vs[N/2 - 1] + Vs[N/2]}}/2 什么时候？ N 是均匀的。

实例

>>> x = np.ma.array(np.arange(8), mask=[0]*4 + [1]*4)
>>> np.ma.median(x)
1.5

>>> x = np.ma.array(np.arange(10).reshape(2, 5), mask=[0]*6 + [1]*4)
>>> np.ma.median(x)
2.5
>>> np.ma.median(x, axis=-1, overwrite_input=True)
masked_array(data=[2.0, 5.0],
             mask=[False, False],
       fill_value=1e+20)

numpy.ma.mean numpy.ma.power