numpy.ma.median

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

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

axisint, optional

Ось, по которой вычисляются медианы. По умолчанию (None) вычисляется медиана по сплющенному варианту массива.

outndarray, optional

Альтернативный выходной массив, в который поместить результат. Он должен иметь ту же форму и длину буфера, что и ожидаемый выход, но тип будет приведен к необходимому, если это необходимо.

overwrite_inputbool, optional

Если True, разрешить 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 он, вероятно, 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 True, оси, которые были уменьшены, остаются в результате в виде измерений с размером один. С этим вариантом результат правильно будет транслироваться с входным массивом.

Введено в версии 1.10.0.

Возвращает

medianndarray

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

См. также

mean

Примечания

Учитывая вектор V с N немаскированными значениями, медиана V — это среднее значение 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=[2.0, 5.0],
             mask=[False, False],
       fill_value=1e+20)