torch.nanmedian¶

torch.nanmedian(input) → 张量¶

返回忽略 NaN 值的 input 中的值的中位数。

当input中没有NaN值时，此函数与torch.median()相同。当input中有一个或多个NaN值时，torch.median()将始终返回NaN，而此函数将返回input中非NaN元素的中位数。如果input中的所有元素都是NaN，它也将返回NaN。

Parameters: 输入 (张量) – 输入张量。

示例：

>>> a = torch.tensor([1, float('nan'), 3, 2])
>>> a.median()
tensor(nan)
>>> a.nanmedian()
tensor(2.)

torch.nanmedian(input, dim=-1, keepdim=False, *, out=None)

返回一个命名元组 (values, indices)，其中 values 包含在维度 dim 中忽略 NaN 值的每一行的中位数，而 indices 包含在维度 dim 中找到的中位数值的索引。

当减少的行中没有NaN值时，此函数与torch.median()相同。当减少的行中有一个或多个NaN值时，torch.median()总是将其减少为NaN，而此函数将减少为非NaN元素的中位数。如果减少的行中的所有元素都是NaN，那么它也将减少为NaN。

Parameters

输入 (张量) – 输入张量。
dim (int) – 要减少的维度。
keepdim (布尔值) – 输出张量是否保留dim。

Keyword Arguments

out ((Tensor, Tensor), 可选) – 第一个张量将被填充中位数值，第二个张量（必须具有 dtype long）将填充它们在维度 dim 中的索引。

示例：

>>> a = torch.tensor([[2, 3, 1], [float('nan'), 1, float('nan')]])
>>> a
tensor([[2., 3., 1.],
        [nan, 1., nan]])
>>> a.median(0)
torch.return_types.median(values=tensor([nan, 1., nan]), indices=tensor([1, 1, 1]))
>>> a.nanmedian(0)
torch.return_types.nanmedian(values=tensor([2., 1., 1.]), indices=tensor([0, 1, 0]))