numpy.nanmedian

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

Вычисление медианы по указанной оси, игнорируя значения NaN.

Возвращает медиану элементов массива.

Новая в версии 1.9.0.

Параметры:

a : array_like Входной массив или объект, который может быть преобразован в массив. axis : int, необязательно Ось, по которой вычисляются медианы. По умолчанию (axis=None) вычисляется медиана по сплющенной 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 результат, но тип (результата) будет преобразован при необходимости. overwrite_input : bool, необязательно Если True, то разрешить использование памяти входного массива (a) для вычислений. Входной массив будет изменен вызовом median. Это сэкономит память, когда вам не нужно сохранять содержимое входного массива. Обращайтесь с входными данными как с неопределенными, но, вероятно, они будут полностью или частично отсортированы. Значение по умолчанию — False. Обратите внимание, что если overwrite_input равно True, а входной массив не является ndarray, будет выброшено исключение. keepdims : bool, необязательно Если установлено в True, оси, по которым выполняется сокращение, остаются в результате как измерения с размером один. С этим параметром результат будет корректно транслироваться по отношению к исходному arr.

Возвращает:

median : ndarray Новый массив, содержащий результат. Если вход содержит целые числа или числа с плавающей запятой меньшей точности, чем 64, тип данных результата — float64. В противном случае тип данных результата совпадает с типом данных входных данных.

См. также

mean, median, percentile

Примечания

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

Примеры

>>> 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([ 7.,  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)