Python numpy.median函数方法的使用

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median方法的使用。

numpy.median

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

计算沿指定轴的中位数。

返回数组元素的中位数。

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_input :bool, 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,结果将针对原始arr正确传递。

 1.9.0版中的新功能。

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的排序副本的中间值,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>N是偶数。

例子

>>> a = np.array([[10, 7, 4], [3, 2, 1]])
>>> a
array([[10,  7,  4],
       [ 3,  2,  1]])
>>> np.median(a)
3.5
>>> np.median(a, axis=0)
array([6.5, 4.5, 2.5])
>>> np.median(a, axis=1)
array([7.,  2.])
>>> m = np.median(a, axis=0)
>>> out = np.zeros_like(m)
>>> np.median(a, axis=0, out=m)
array([6.5,  4.5,  2.5])
>>> m
array([6.5,  4.5,  2.5])
>>> b = a.copy()
>>> np.median(b, axis=1, overwrite_input=True)
array([7.,  2.])
>>> assert not np.all(a==b)
>>> b = a.copy()
>>> np.median(b, axis=None, overwrite_input=True)
3.5
>>> assert not np.all(a==b)
推荐阅读
cjavapy编程之路首页