【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
wjykp28 分钟前
5.脑电信号的预处理及数据分析要点
数据挖掘·数据分析
wang_yb36 分钟前
折线图的奇妙变奏:四种创意可视化方法
数据分析·databook
90的程序爱好者1 小时前
Kettle多张表数据抽取操作步骤
数据库·数据仓库·数据挖掘
Aloudata3 小时前
破局 AI 幻觉:构建以 NoETL 语义编织为核心的 AI 就绪数据架构
人工智能·架构·数据分析·dataagent
Python毕设指南4 小时前
基于深度学习的旅游推荐系统
python·深度学习·数据分析·django·毕业设计·课程设计
2501_943695336 小时前
高职仓储分拣转优化分析中数据分析的作用
数据挖掘·数据分析
Data-Miner6 小时前
类似Pandas AI的几个数据分析处理智能体介绍
人工智能·数据分析·pandas
QQ12958455046 小时前
SSAS - 发货主题数据第1阶
数据仓库·数据分析
Brduino脑机接口技术答疑7 小时前
脑机接口数据处理连载(九) 经典分类算法(一):支持向量机(SVM)数据建模——基于脑机接口(BCI)运动想象任务实战
支持向量机·分类·数据挖掘
咋吃都不胖lyh8 小时前
GBDT 回归任务生成过程(逐步计算演示)
人工智能·数据挖掘·回归