numpy.中位数

麻木的。Median ( a , axis = None , out = None , overwrite_input = False , keepdims = False )

计算沿指定轴的中位数。

返回数组元素的中位数。

参数：

类似数组

输入数组或可转换为数组的对象。

axis {int, int 序列, None}, 可选

计算中位数所沿的一个或多个轴。默认值是沿着数组的扁平版本计算中位数。从 1.9.0 版本开始支持轴序列。

输出ndarray，可选

用于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，但如果需要，将强制转换（输出的）类型。

overwrite_input布尔值，可选

如果为 True，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来修改 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，但它可能会完全或部分排序。默认值为 False。如果overwrite_input是True且a还不是 ndarray，则会引发错误。

keepdims布尔值，可选

如果将此设置为 True，则缩小的轴将作为大小为 1 的维度保留在结果中。使用此选项，结果将根据原始arr正确广播。

1.9.0 版本中的新增功能。

返回：

中位数ndarray

保存结果的新数组。如果输入包含小于 的整数或浮点数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。如果指定了out，则返回该数组。

也可以看看

mean,percentile

笔记

V给定一个长度为 的向量N， 的中位数是, - 即V的排序副本的中间值，当为奇数时，并且当为偶数时两个中间值的平均值。VV_sortedV_sorted[(N-1)/2]NV_sortedN

例子

>>> 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)