numpy.nanmedian
numpy.nanmedian(a, axis=None, out=None, overwrite_input=False, keepdims=) [source]
沿指定轴计算中位数，而忽略NaN。
返回数组元素的中位数。
1.9.0版中的新功能。
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 ： 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 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，结果将相对于原始a正确传递。 如果这不是默认值， 它将通过（在特殊情况下为空数组） 传递到基础数组的 如果数组是子类，并且 则将引发RuntimeError。 |
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 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V，V的中位数是V排序后的副本的中间值，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为N是偶数。
例子
>>> a = np.array([[10.0, 7, 4], [3, 2, 1]])
>>> a[0, 1] = np.nan
>>> a
array([[10., nan, 4.],
[ 3., 2., 1.]])
>>> np.median(a)
nan
>>> np.nanmedian(a)
3.0
>>> np.nanmedian(a, axis=0)
array([6.5, 2. , 2.5])
>>> np.median(a, axis=1)
array([nan, 2.])
>>> b = a.copy()
>>> np.nanmedian(b, axis=1, overwrite_input=True)
array([7., 2.])
>>> assert not np.all(a==b)
>>> b = a.copy()
>>> np.nanmedian(b, axis=None, overwrite_input=True)
3.0
>>> assert not np.all(a==b)