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 сплющенной версии массива.

outndarray, optional

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

overwrite_inputbool, optional

Если True, то разрешается использование памяти входного массива (a) для вычислений. Входной массив будет изменён вызовом median. Это позволит сэкономить 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. Обратите внимание, что если overwrite_input равно True, и вход не является уже ndarray, будет выведено сообщение об ошибке.

keepdimsbool, optional

Если установлено в True, оси, которые были уменьшены, остаются в результате в качестве измерений с размером один. С этим параметром результат будет правильно транслироваться в отношении входного массива.

New in version 1.10.0.

Возвращает

medianndarray

Возвращается новый массив, содержащий результат, если не указан out, в этом случае возвращается ссылка на out. Тип возвращаемых данных — float64 для целых чисел и чисел с плавающей точкой, меньших чем float64, или тип входных данных в противном случае.

См. также

mean

Примечания

Учитывая вектор V с N не замаскированными значениями, медиана V — это среднее значение отсортированной копии V (Vs) - то есть Vs[(N-1)/2], когда N нечётно, или {Vs[N/2 - 1] + Vs[N/2]}/2 когда N чётно.

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)