Python數(shù)據(jù)處理numpy.median的實例講解
numpy模塊下的median作用為:
計算沿指定軸的中位數(shù)
返回數(shù)組元素的中位數(shù)
其函數(shù)接口為:
median(a, axis=None, out=None, overwrite_input=False, keepdims=False)
其中各參數(shù)為:
a:輸入的數(shù)組;
axis:計算哪個軸上的中位數(shù),比如輸入是二維數(shù)組,那么axis=0對應行,axis=1對應列;
out:用于放置求取中位數(shù)后的數(shù)組。 它必須具有與預期輸出相同的形狀和緩沖區(qū)長度;
overwrite_input:一個bool型的參數(shù),默認為Flase。如果為True那么將直接在數(shù)組內(nèi)存中計算,這意味著計算之后原數(shù)組沒辦法保存,但是好處在于節(jié)省內(nèi)存資源,F(xiàn)lase則相反;
keepdims:一個bool型的參數(shù),默認為Flase。如果為True那么求取中位數(shù)的那個軸將保留在結果中;
>>> 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
以上這篇Python數(shù)據(jù)處理numpy.median的實例講解就是小編分享給大家的全部內(nèi)容了,希望能給大家一個參考,也希望大家多多支持腳本之家。
- python numpy實現(xiàn)多次循環(huán)讀取文件 等間隔過濾數(shù)據(jù)示例
- Python整數(shù)與Numpy數(shù)據(jù)溢出問題解決
- Python實現(xiàn)Mysql數(shù)據(jù)統(tǒng)計及numpy統(tǒng)計函數(shù)
- python將txt等文件中的數(shù)據(jù)讀為numpy數(shù)組的方法
- python使用numpy讀取、保存txt數(shù)據(jù)的實例
- python 借助numpy保存數(shù)據(jù)為csv格式的實現(xiàn)方法
- Python Numpy中數(shù)據(jù)的常用保存與讀取方法
相關文章
python目標檢測YoloV4當中的Mosaic數(shù)據(jù)增強方法
這篇文章主要為大家介紹了python目標檢測YoloV4當中的Mosaic數(shù)據(jù)增強方法,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪2022-05-05
Python散列表(Hash Table)的實現(xiàn)示例
散列表是一種常用于實現(xiàn)關聯(lián)數(shù)組或映射的數(shù)據(jù)結構,本文我們將深入講解Python中的散列表,包括散列函數(shù)、沖突解決方法、散列表的實現(xiàn)和應用場景,感興趣的可以了解一下2024-01-01

