numpy.median

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

Вычислить медиану по указанной оси.

Возвращает медиану элементов массива.

Параметры:

a : array_like Входной массив или объект, который может быть преобразован в массив. axis : {int, sequence of int, None}, optional Ось или оси, по которым вычисляются медианы. По умолчанию вычисляется медиана по сплющенной версии массива. Последовательность осей поддерживается с версии 1.9.0. out : ndarray, optional Альтернативный выходной массив, в который нужно 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, optional Если True, то разрешить использование памяти 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, вероятно, они будут полностью или частично отсортированы. По умолчанию False. Если overwrite_input равно True и a еще не является ndarray, будет выведено сообщение об ошибке. keepdims : bool, optional Если это значение установлено в True, оси, которые были уменьшены, остаются в результате в качестве измерений с размером один. С этим параметром результат будет корректно транслироваться к исходному arr. Введено в версии 1.9.0.

Возвращает:

median : ndarray Новый массив, содержащий результат. Если вход содержит целые числа или числа с плавающей точкой меньше float64, тогда тип данных выходных данных является np.float64. В противном случае тип данных выходных данных совпадает с типом данных входных данных. Если out указан, этот массив возвращается вместо него.

См. также

mean, percentile

Примечания

Учитывая вектор V длиной N, медиана V - это среднее значение отсортированной копии V, V_sorted - т. е., V_sorted[(N-1)/2], когда N нечетное, и среднее арифметическое двух средних значений V_sorted когда N четное.

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)