NumPy参考 >例行程序 >Statistics > numpy.median
numpy.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。
输入数组或可以转换为数组的对象。
计算中位数所沿的一个或多个轴。默认值是沿数组的展平版本计算中位数。从1.9.0版开始，支持一系列轴。
放置结果的替代输出数组。它的形状和缓冲区长度必须与预期的输出相同，但是（必要时）将强制转换（输出的）类型。
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进行修改
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，但可能会完全或部分排序。默认值为False。如果overwrite_input是True并且a还不是an
ndarray，将引发错误。
如果将其设置为True，则缩小的轴将保留为尺寸1的尺寸。使用此选项，结果将针对原始arr正确广播。
1.9.0版中的新功能。
一个保存结果的新数组。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
笔记
给定的矢量V长度的N，中位数V是的排序副本的中间值V，V_sorted-即，V_sorted[(N-1)/2]当N是奇数，并且平均的两个中间值的V_sorted时候N是偶数。
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)