torch.nanmedian

torch.nanmedian(input) → Tensor

Возвращает медиану значений в input, игнорируя значения NaN.

Эта функция идентична функции torch.median(), когда в input нет значений NaN. Когда у input есть одно или несколько значений NaN, torch.median() всегда вернёт NaN, в то время как эта функция вернёт медиану ненулевых элементов в input.

Если все элементы в input являются NaN, то она также вернёт NaN.

Параметры:

input (Tensor) – входной тензор.

Пример:

>>> a = torch.tensor([1, float('nan'), 3, 2])
>>> a.median()
tensor(nan)
>>> a.nanmedian()
tensor(2.)

torch.nanmedian(input, dim=- 1, keepdim=False, *, out=None)

Возвращает именованную кортеж (values, indices), где values содержит медиану каждой строки input в измерении dim, игнорируя значения NaN, а indices содержит индекс медианных значений, найденных в измерении dim.

Эта функция идентична torch.median(), когда в сворачиваемой строке нет значений NaN. Когда сворачиваемая строка содержит одно или несколько значений NaN, torch.median() всегда сворачивает её к NaN, в то время как эта функция сворачивает её до медианы ненулевых элементов. Если все элементы в сворачиваемой строке являются NaN, то она также будет свёрнута до NaN.

Параметры:

• input (Tensor) – входной тензор.
• dim (int) – измерение для сворачивания.
• keepdim (bool) – сохранять ли размерность в выходном тензоре.

Ключевые аргументы:

out ((Tensor, Tensor), необязательно) – Первый тензор будет заполнен медианными значениями, а второй тензор, который должен иметь тип данных long, будет содержать их индексы в измерении dim input.

Пример:

>>> a = torch.tensor([[2, 3, 1], [float('nan'), 1, float('nan')]])
>>> a
tensor([[2., 3., 1.],
        [nan, 1., nan]])
>>> a.median(0)
torch.return_types.median(values=tensor([nan, 1., nan]), indices=tensor([1, 1, 1]))
>>> a.nanmedian(0)
torch.return_types.nanmedian(values=tensor([2., 1., 1.]), indices=tensor([0, 1, 0]))