numpy.nanmedian

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

Вычислить медиану 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, последовательность int, None}, необязательно Ось или оси, по которым вычисляются медианы. По умолчанию вычисляется медиана по уплощенной версии массива. Последовательность осей поддерживается с версии 1.9.0. out : ndarray, необязательно Альтернативный выходной массив, в который следует поместить результат. Он должен иметь такую же форму и длину буфера, как ожидаемый выход, но тип (выхода) будет преобразован, если необходимо. overwrite_input : bool, необязательно Если True, разрешить использование памяти входного массива a для вычислений. Входной массив будет изменён вызовом median. Это сэкономит 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. Если overwrite_input равно True и a ещё не является ndarray, будет выведено сообщение об ошибке. keepdims : bool, необязательно Если установлено в True, оси, которые были уменьшены, остаются в результате в качестве размерностей с размером один. С этим параметром результат будет корректно транслироваться относительно исходного arr.

Возвращает:

median : ndarray Новый массив, содержащий результат. Если входной массив содержит целые или плавающие числа меньше float64, тогда тип выходных данных — np.float64. В противном случае тип данных выходных данных совпадает с типом данных входных данных. Если out задан, возвращается этот массив.

См. также

mean, median, percentile

Примечания

Для вектора V длины N, медианой V является среднее значение отсортированной копии V, V_sorted - то есть V_sorted[(N-1)/2], когда N нечётное, и среднее значение двух средних значений V_sorted когда N чётное.

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)