numpy.ma.median#

ma.median(a, axis=None, out=None, overwrite_input=False, keepdims=False)[源代码]#

计算沿指定轴的中位数.

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, 可选

计算中位数的轴.默认值（None）是计算展平版本数组的中位数.

outndarray, 可选

要在其中放置结果的替代输出数组.它必须具有与预期输出相同的形状和缓冲区长度,但如有必要,类型将被强制转换.

overwrite_inputbool, 可选

如果为真,则允许使用输入数组（a）的内存进行计算.调用中位数时将修改输入数组.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,但它可能已完全或部分排序.默认值为 False.请注意,如果 overwrite_input 为 True,并且输入还不是 ndarray,则会引发错误.

keepdimsbool, 可选

如果设置为 True,被减少的轴将作为尺寸为1的维度保留在结果中.使用此选项,结果将正确地与输入数组进行广播.

在 1.10.0 版本加入.

返回:
medianndarray

除非指定了 out,否则将返回一个包含结果的新数组,在这种情况下,将返回对 out 的引用.返回的数据类型为 float64 用于小于 float64 的整数和浮点数,否则为输入数据类型.

参见

mean

备注

给定一个包含 N 个非掩码值的向量 V ,``V`` 的中位数是 V 的排序副本 (Vs) 的中间值 - 即当 N 为奇数时,``Vs[(N-1)/2]``,或当 N 为偶数时,``{Vs[N/2 - 1] + Vs[N/2]}/2``.

示例

>>> import numpy as np
>>> 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)
On this page