NumPy(Numerical Python的缩写)是一个开源的Python科学计算库。使用NumPy,就可以很自然地使用数组和矩阵。NumPy包含很多实用的数学函数,涵盖线性代数运算、傅里叶变换和随机数生成等功能。本文主要介绍一下NumPy中nanmedian方法的使用。

numpy.nanmedian

numpy.nanmedian(a, axis=None, out=None, overwrite_input=False, keepdims=)    [source]

沿指定轴计算中位数,而忽略NaN。

返回数组元素的中位数。

1.9.0版中的新功能。

参数 :

a :array_like

输入数组或可以转换为数组的对象。

axis :{int, int类型的sequence, None}, 可选

计算中位数所沿的一个或多个轴。 

默认值是沿数组的展平版本计算中位数。 

从1.9.0版开始,支持一系列轴。

out :ndarray, 可选

放置结果的备用输出数组。

它的形状和缓冲区长度必须与预期的输出相同,

但是(必要时)将强制转换(输出的)类型。

overwrite_inputbool, 可选

如果为True,则允许使用输入数组a的内存进行计算。

输入数组将通过调用中位数进行修改。

当您不需要保留输入数组的内容时,

这将节省内存。将输入视为未定义,

但可能会完全或部分排序。默认值为False。

如果overwrite_input为True

并且a还不是ndarray,则将引发错误。

keepdims :bool, 可选

如果将其设置为True,

那么被缩减的轴将在结果中保留尺寸为1的维度。

 使用此选项,结果将相对于原始a正确传递。

 如果这不是默认值,

它将通过(在特殊情况下为空数组)

传递到基础数组的mean函数。

 如果数组是子类,并且mean不具有kwarg keepdims,

则将引发RuntimeError。

返回值 :

median :ndarray

一个保存结果的新数组。 

如果输入包含小于float64的整数或浮点数,

则输出数据类型为np.float64。 

否则,输出的数据类型与输入的数据类型相同。 

如果指定了out,则返回该数组。

Notes

给定长度为N的向量VV的中位数是V排序后的副本的中间值,V_sorted-即V_sorted[(N-1)/2],当N为奇数时,V_sorted的两个中间值的平均值为N是偶数。

例子

>>> a = np.array([[10.0, 7, 4], [3, 2, 1]])
>>> a[0, 1] = np.nan
>>> a
array([[10., nan,  4.],
       [ 3.,  2.,  1.]])
>>> np.median(a)
nan
>>> np.nanmedian(a)
3.0
>>> np.nanmedian(a, axis=0)
array([6.5, 2. , 2.5])
>>> np.median(a, axis=1)
array([nan,  2.])
>>> b = a.copy()
>>> np.nanmedian(b, axis=1, overwrite_input=True)
array([7.,  2.])
>>> assert not np.all(a==b)
>>> b = a.copy()
>>> np.nanmedian(b, axis=None, overwrite_input=True)
3.0
>>> assert not np.all(a==b)

推荐文档

相关文档

大家感兴趣的内容

随机列表