numpy.
median
沿指定轴计算中间值。
返回数组元素的中位数。
可以转换为数组的输入数组或对象。
计算中间值的轴。默认值是沿着数组的扁平版本计算中间值。自1.9.0版以来,支持一系列轴。
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,将强制转换(输出的)类型。
如果为真,则允许使用输入数组的内存 a 用于计算。调用将修改输入数组 median . 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。如果 overwrite_input 是 True 和 a 不是已经是 ndarray ,将引发错误。
True
ndarray
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,结果将正确广播到原始 arr .
1.9.0 新版功能.
保存结果的新数组。如果输入包含小于 float64 ,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 out 则返回该数组。
float64
np.float64
参见
mean
percentile
笔记
给定向量 V 长度的 N ,中位数 V 是的已排序副本的中间值 V , V_sorted -呃, V_sorted[(N-1)/2] 当 N 是奇数,并且是 V_sorted 什么时候? N 是均匀的。
V
N
V_sorted
V_sorted[(N-1)/2]
实例
>>> a = np.array([[10, 7, 4], [3, 2, 1]]) >>> a array([[10, 7, 4], [ 3, 2, 1]]) >>> np.median(a) 3.5 >>> np.median(a, axis=0) array([6.5, 4.5, 2.5]) >>> np.median(a, axis=1) array([7., 2.]) >>> 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) 3.5 >>> assert not np.all(a==b)