numpy.ma.median

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

Вычисление медианы по указанной оси.

Возвращает медиану элементов массива.

Параметры:

aarray_like

Вводной массив или объект, который можно преобразовать в массив.

axisint, необязательно

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

outndarray, необязательно

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

overwrite_inputbool, необязательно

Если True, то разрешается использовать память входного массива (a) для вычислений. Входной массив будет изменён вызовом median. Это позволит сэкономить память, когда вам не нужно сохранять содержимое входного массива. Считайте входной массив неопределённым, но он, вероятно, будет полностью или частично отсортирован. По умолчанию False. Обратите внимание, что если overwrite_input является True, а входной массив не является ndarray, будет выдано сообщение об ошибке.

keepdimsbool, необязательно

Если установлено значение True, оси, которые были уменьшены, сохраняются в результате в виде измерений с размером один. С этим параметром результат будет корректно транслироваться относительно входного массива.

Добавлен 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, меньших float64, или тип данных входных данных в противном случае.

См. также

mean

Примечания

Для вектора V с N не замаскированными значениями медиана V является средним значением отсортированной копии V (Vs) — то есть Vs[(N-1)/2], когда N — нечётное число, или {Vs[N/2 - 1] + Vs[N/2]}/2 когда N — чётное число.

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)