【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
迷迭香yy6 小时前
集合竞价数据挖掘实战:用Python构建开盘信号识别系统
人工智能·python·数据挖掘
weixin_4462608513 小时前
生成式与智能体AI认知能力缺陷分类体系
人工智能·分类·数据挖掘
2601_9629666417 小时前
会计岗位进阶指南:8 张国家认可证书阶梯解析
大数据·数据分析
乱七八糟的屋子18 小时前
【C++数值计算】NumCpp超详细入门教程(纯正Numpy语法、零学习成本、C++首选科学计算库、性能压测对比)
c++·数值计算·numpy·高性能计算·科学计算·ndarray
CNSSIRD数据库18 小时前
中国创新型中小企业研究数据库2022-2026
大数据·数据库·数据分析·论文笔记
编程风暴19 小时前
3类人群的数据分析实习类型选择+4条选错红线
java·前端·数据分析
编程风暴20 小时前
数据分析实习投递渠道实操模板:回复率对比+匹配度自检表+case-by-case机制
大数据·数据挖掘·数据分析
Patrick在香港20 小时前
Python依赖管理从踩坑到选型:pip/poetry/uv四种方案全面实测
开发语言·python·数据分析·scikit-learn·ai编程·pip·uv
lkx0978820 小时前
01-数据分析入门-Pandas实战
数据挖掘·数据分析·pandas
临床数据科学和人工智能兴趣组21 小时前
R Markdown 如何写
人工智能·机器学习·数据分析·r语言·r语言-4.2.1