NumPy参考 >例行程序 >Statistics > numpy.nanmedian
numpy.
nanmedian
(a,axis = None,out = None,overwrite_input = False,keepdims = <无值> )[源代码] ¶沿指定轴计算中位数,而忽略NaN。
返回数组元素的中位数。
1.9.0版中的新功能。
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,结果将相对于原始a正确广播。
如果这不是默认值,它将通过(在特殊情况下为空数组)传递给mean
基础数组的
函数。如果数组是子类并且mean
没有kwarg keepdims,则将引发RuntimeError。
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([[10.0, 7, 4], [3, 2, 1]])
>>> a[0, 1] = np.nan
>>> a
array([[10., nan, 4.],
[ 3., 2., 1.]])
>>> np.median(a)
nan
>>> np.nanmedian(a)
3.0
>>> np.nanmedian(a, axis=0)
array([6.5, 2. , 2.5])
>>> np.median(a, axis=1)
array([nan, 2.])
>>> b = a.copy()
>>> np.nanmedian(b, axis=1, overwrite_input=True)
array([7., 2.])
>>> assert not np.all(a==b)
>>> b = a.copy()
>>> np.nanmedian(b, axis=None, overwrite_input=True)
3.0
>>> assert not np.all(a==b)