numpy.median

numpy.median(a, axis=None, out=None, overwrite_input=False, keepdims=False) [source]

Вычисление медианы по указанной оси.

Возвращает медиану элементов массива.

Параметры:

a : array_like Входной массив или объект, который может быть преобразован в массив. axis : int или последовательность int, необязательно Ось, по которой вычисляются медианы. По умолчанию (axis=None) медиана вычисляется по уплощённой версии массива. Последовательность осей поддерживается с версии 1.9.0. out : ndarray, необязательно Альтернативный выходной массив, в который следует поместить результат. Он должен иметь ту же форму и длину буфера, что и ожидаемый выход, но тип (выхода) будет преобразован при необходимости. overwrite_input : bool, необязательно Если True, то разрешается использовать память входного массива (a) для вычислений. Входной массив будет изменён вызовом median. Это позволит сэкономить память, когда вам не нужно сохранять содержимое входного массива. Обращайтесь с входными данными как с неопределёнными, но, вероятно, они будут полностью или частично отсортированы. По умолчанию False. Обратите внимание, что если overwrite_input имеет значение True, а вход не является уже ndarray, будет поднято исключение. keepdims : bool, необязательно Если установлено в True, оси, по которым производится уменьшение, сохраняются в результате как измерения с размером один. С этим параметром результат будет корректно транслироваться по отношению к исходному arr. Новое в версии 1.9.0.

Возвращает:

median : ndarray Новый массив, содержащий результат (если не указан out, в этом случае возвращается этот массив). Если вход содержит целые числа или числа с плавающей точкой меньшей точности, чем 64, то тип данных выхода — float64. В противном случае тип данных выхода такой же, как у входа.

См. также

mean, percentile

Примечания

Для заданного вектора V длиной N, медиана V — это среднее значение отсортированной копии V, V_sorted, когда N нечётное. Когда N чётное, это среднее значение двух средних значений V_sorted.

Примеры

>>> 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)