numpy.median

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

Вычисление медианы по указанной оси.

Возвращает медиану элементов массива.

Параметры

aarray_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. После версии 1.9.0 поддерживается последовательность осей.

outndarray, optional

Альтернативный выходной массив, в который следует поместить результат. Он должен иметь такую же форму и длину буфера, как ожидаемый результат, но тип (результата) 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 входным массивом как с неопределённым, но, скорее всего, он будет полностью или частично отсортирован. По умолчанию False. Если overwrite_input равно True и a ещё не является ndarray, будет поднято исключение.

keepdimsbool, optional

Если это значение установлено в True, оси, которые были уменьшены, остаются в результате как измерения с размером один. С этим параметром результат будет корректно транслироваться по отношению к исходному arr.

Новое в версии 1.9.0.

Возвращает

medianndarray

Новый массив, содержащий результат. Если вход содержит целые числа или числа с плавающей запятой, меньшие float64, то тип данных выходных данных будет np.float64. В противном случае тип данных выходных данных будет таким же, как у входных данных. Если out указан, возвращается этот массив.

См. также

mean, percentile

Примечания

Для заданного вектора V длины N, медиана V - это среднее значение отсортированной копии V, V_sorted - т.е. V_sorted[(N-1)/2], когда N нечётное, и среднее из двух средних значений V_sorted когда N чётное.

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)