【数据分析之Numpy】Numpy中位数函数numpy.median()的使用方法

一、简介

numpy.median() 是 Numpy 库中的一个函数,用于计算给定数据集或数组的中位数。

二、基本语法

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

参数:

a:输入数组。

axis:沿着哪个轴计算中位数。默认是 None,表示在所有维度上计算中位数。

out:可选参数,用于指定输出结果的位置,一般用于输出到某个维度相同的数组中。

overwrite_input:布尔值,如果为 True,则允许修改输入数组以节省内存。

keepdims:布尔值,如果为 True,则结果数组的维度与输入数组一致。

三、用法

1、求某个数组中位数

python 复制代码
import numpy as np

a = [1, 3, 1, 2, 3, 4, 5, 6, 7, 8, 2]

b = np.median(a)

print(b)

2、沿列方向求中位数

python 复制代码
a = [[1, 3, 1, 2, 3, 4, 5, 6, 7, 8, 2],
    [2, 4, 5, 6, 2, 1, 8, 1, 2,3, 9],
    [10, 2, 5, 0, 1, 1, 6, 4, 3, 2, 2]]

b = np.median(a, axis=0)

print(b)

3、沿行方向求中位数

python 复制代码
a = [[1, 3, 1, 2, 3, 4, 5, 6, 7, 8, 2],
    [2, 4, 5, 6, 2, 1, 8, 1, 2,3, 9],
    [10, 2, 5, 0, 1, 1, 6, 4, 3, 2, 2]]

b = np.median(a, axis=1)

print(b)

4、指定输出结果的位置

python 复制代码
temp_array = np.empty((3,))

a = [[1, 3, 1, 2, 3, 4, 5, 6, 7, 8, 2],
    [2, 4, 5, 6, 2, 1, 8, 1, 2,3, 9],
    [10, 2, 5, 0, 1, 1, 6, 4, 3, 2, 2]]

np.median(a, axis=1, out=temp_array)

print(temp)

5、允许修改输入数组

python 复制代码
a = [[1, 3, 1, 2, 3, 4, 5, 6, 7, 8, 2],
    [2, 4, 5, 6, 2, 1, 8, 1, 2,3, 9],
    [10, 2, 5, 0, 1, 1, 6, 4, 3, 2, 2]]

b = np.median(a, axis=1, overwrite_input=True)

print(b)

6、结果数组的维度与输入数组一致

python 复制代码
a = [[1, 3, 1, 2, 3, 4, 5, 6, 7, 8, 2],
    [2, 4, 5, 6, 2, 1, 8, 1, 2,3, 9],
    [10, 2, 5, 0, 1, 1, 6, 4, 3, 2, 2]]

b = np.median(a, axis=1, keepdims=True)

print(b)
相关推荐
Chef_Chen1 小时前
数据科学每日总结--Day13--数据挖掘
人工智能·数据挖掘
on_pluto_2 小时前
【推荐系统14】数据分析:以阿里天池新闻推荐为例学习
人工智能·学习·数据挖掘·数据分析·推荐算法
数学难2 小时前
数据分析学习路线
学习·数据挖掘·数据分析
api_180079054602 小时前
【技术教程】Python/Node.js 调用拼多多商品详情 API 示例详解
大数据·开发语言·python·数据挖掘·node.js
jerryinwuhan2 小时前
Python数据挖掘之回归
python·数据挖掘·回归
inside8026 小时前
11月10日学习总结--numpy的基本操作
学习·numpy
databook6 小时前
数据分析师的基本功总结
后端·数据分析·求职
云茧7 小时前
分类问题的基石:逻辑回归(Logistic Regression)
分类·数据挖掘·逻辑回归
Chef_Chen8 小时前
数据科学每日总结--Day14--数据挖掘
人工智能·数据挖掘
生信大杂烩9 小时前
Xenium数据分析 | 使用Xenium Ranger重新分析数据
python·数据分析