torch.nanmedian

torch.nanmedian(input) → Tensor

Возвращает медиану значений в input, игнорируя значения NaN.

Эта функция идентична torch.median(), когда в input нет значений NaN. Когда input содержит одно или несколько значений NaN , torch.median() всегда возвращает NaN, а эта функция возвращает медиану элементов, отличных от NaN в input. Если все элементы в input являются NaN, то она также возвращает NaN.

Параметры

input (Тензор) – 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 кортеж имен (values, indices), где values содержит медиану каждой строки input по измерению dim, игнорируя значения NaN, а indices содержит индекс медианных значений, найденных в измерении dim.

Эта функция идентична torch.median(), когда в уменьшенной строке нет значений NaN. Когда уменьшенная строка содержит одно или несколько значений NaN , torch.median() всегда уменьшит ее до NaN, а эта функция уменьшит ее до медианы элементов, отличных от NaN. Если все элементы в уменьшенной строке являются NaN, то она также будет уменьшена до NaN.

Параметры

• input (Тензор) – входной тензор.
• dim (int) – измерение для уменьшения.
• keepdim (bool) – сохраняется ли выходной тензор с dim или нет.

Аргументы ключевого слова

out ((Тензор, Тензор), необязательно) – Первый тензор будет заполнен медианными значениями, а второй тензор, который должен иметь тип данных long, значениями индексов 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]))