numpy.ma.median

numpy.ma.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 можно преобразовать в массив. axis : int, необязательно Ось, по которой вычисляются медианы. По умолчанию (None) вычисляется медиана по уплощенной версии массива. out : ndarray, необязательно Альтернативный выходной массив, в который следует поместить результат. Он должен иметь такую же форму и длину буфера, как и ожидаемый результат, но тип будет преобразован при необходимости. overwrite_input : bool, необязательно Если True, то разрешается использовать память входного массива (a) для вычислений. Входной массив будет изменен вызовом median. Это позволит сэкономить память, когда вам не нужно сохранять содержимое входного массива. Обращайтесь с входными данными как с неопределенными, но они, вероятно, будут полностью или частично отсортированы. По умолчанию False. Обратите внимание, что, если overwrite_input имеет значение True, и входной массив не является ndarray, будет выдано сообщение об ошибке. keepdims : bool, необязательно Если установлено в True, оси, которые были уменьшены, остаются в результате как размерности с размером один. С этим вариантом результат будет правильно транслироваться относительно входного массива. Новое в версии 1.10.0.

Возвращает:

median : ndarray Новый массив, содержащий результат, возвращается, если не указан out, в противном случае возвращается ссылка на out. Тип возвращаемых данных — float64 для целых чисел и чисел с плавающей точкой меньше чем float64, или тип данных входных данных в противном случае.

См. также

mean

Замечания

Для вектора V с N немаскированными значениями медиана V — это среднее значение отсортированной копии V (Vs) - то есть Vs[(N-1)/2], когда N нечетное, или {Vs[N/2 - 1] + Vs[N/2]}/2 когда N четное.

Примеры

>>> x = np.ma.array(np.arange(8), mask=[0]*4 + [1]*4)
>>> np.ma.median(x)
1.5

>>> x = np.ma.array(np.arange(10).reshape(2, 5), mask=[0]*6 + [1]*4)
>>> np.ma.median(x)
2.5
>>> np.ma.median(x, axis=-1, overwrite_input=True)
masked_array(data = [ 2.  5.],
             mask = False,
       fill_value = 1e+20)