torch.nanmedian

torch.nanmedian(input) → Tensor

Возвращает медиану значений в input, игнорируя значения NaN.

Эта функция идентична torch.median(), если в input нет значений NaN. Если в input есть одно или несколько значений NaN, функция torch.median() всегда возвращает NaN, тогда как эта функция возвращает медиану элементов NaN в input. Если все элементы в input имеют значение NaN, функция также вернет 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 именованный кортеж (values, indices), в котором values содержит медиану каждой строки input по размерности dim, игнорируя значения NaN, а indices содержит индекс медианных значений, найденных по размерности dim.

Эта функция идентична torch.median(), если в сокращенной строке нет значений NaN. Если в сокращенной строке есть одно или несколько значений NaN, функция torch.median() всегда сокращает ее до NaN, тогда как эта функция сокращает ее до медианы элементов NaN. Если все элементы сокращенной строки имеют значение NaN, она также будет сокращена до NaN.

Параметры:

• input (Tensor) – входной тензор.
• dim (int, optional) – размерность, по которой выполняется сокращение. Если указано None, сокращаются все размерности.
• keepdim (bool, optional) – следует ли сохранять dim выходного тензора. Значение по умолчанию: False.

Аргументы ключевых слов:

out ((Tensor, Tensor), optional) – В первый тензор будут записаны медианные значения, а во второй тензор, dtype которого должен быть равен long, — их индексы по размерности dim тензора 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]))