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 Вводной массив или объект, который может быть преобразован 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 ту же форму и длину буфера, что и ожидаемый результат, но тип будет преобразован, если это необходимо. overwrite_input : bool, необязательно Если True, разрешается 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 входом как с неопределённым, но, вероятно, он будет полностью или частично отсортирован. Значение по умолчанию False. Обратите внимание, что, если overwrite_input равно True, а входной массив не является ndarray, будет выведено сообщение об ошибке. keepdims : bool, необязательно Если это значение равно True, оси, которые были уменьшены, остаются в результате в качестве измерений с размером один. С этим вариантом результат будет корректно транслироваться по отношению к входному массиву. Добавлено в версии 1.10.0.

Возвращает:

median : ndarray Возвращается новый массив, содержащий результат, если не указан out, в противном случае возвращается ссылка на out. Тип возвращаемых данных — float64 для целых чисел и чисел с плавающей запятой меньше float64, или тип данных входного массива в противном случае.

См. также

mean

Примечания

Для вектора V с N не замаскированными значениями, медиана V является средним значением отсортированной копии V (Vs) — т.е. Vs[(N-1)/2], когда N нечётное, или {Vs[N/2 - 1] + Vs[N/2]}/2 когда N чётное.

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)