numpy.ma.median

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

Вычислить медиану по указанной оси.

Возвращает медиану элементов массива.

Параметры

aarray_like

Вводной массив или объект, который может быть преобразован в массив.

axisint, optional

Ось, по которой вычисляются медианы. По умолчанию (None) вычисляется медиана по уплощенной версии массива.

outndarray, optional

Альтернативный выходной массив, в который помещается результат. Он должен иметь такую же форму и длину буфера, как ожидаемый выход, но тип будет преобразован при необходимости.

overwrite_inputbool, optional

Если True, то разрешается 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 вводом как с неопределенным, но, вероятно, он будет полностью или частично отсортирован. По умолчанию False. Обратите внимание, что если overwrite_input равно True, а входной массив не является ndarray, будет выброшено исключение.

keepdimsbool, optional

Если это значение равно True, оси, которые были уменьшены, остаются в результате как измерения с размером один. С этим параметром результат будет корректно транслироваться в входной массив.

Введено в версии 1.10.0.

Возвращает

medianndarray

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 входных данных в противном случае.

См. также

mean

Примечания

Учитывая вектор V с N не замаскированными значениями, медиана V является средним значением отсортированной копии V (Vs) - т.е. Vs[(N-1)/2], когда N является нечётным, или {Vs[N/2 - 1] + Vs[N/2]}/2 когда N является чётным.

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=[2.0, 5.0],
             mask=[False, False],
       fill_value=1e+20)