numpy.median

numpy.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。

axisint，int序列，无，可选

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。

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，将强制转换（输出的）类型。

overwrite_input可选的布尔

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。

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，结果将正确广播到原始 arr .

1.9.0 新版功能.

返回

median恩达雷

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。

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。

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)

numpy.nanquantile numpy.average