时间:2021-05-23
numpy模块下的median作用为:
计算沿指定轴的中位数
返回数组元素的中位数
其函数接口为:
median(a, axis=None, out=None,overwrite_input=False, keepdims=False)其中各参数为:
a:输入的数组;
axis:计算哪个轴上的中位数,比如输入是二维数组,那么axis=0对应行,axis=1对应列;
out:用于放置求取中位数后的数组。 它必须具有与预期输出相同的形状和缓冲区长度;
overwrite_input:一个bool型的参数,默认为Flase。如果为True那么将直接在数组内存中计算,这意味着计算之后原数组没办法保存,但是好处在于节省内存资源,Flase则相反;
keepdims:一个bool型的参数,默认为Flase。如果为True那么求取中位数的那个轴将保留在结果中;
>>> a = np.array([[10, 7, 4], [3, 2, 1]])>>> aarray([[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])>>> marray([ 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以上这篇Python数据处理numpy.median的实例讲解就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
导入实验常用的python包。如图2所示。【importpandasaspd】pandas用来做数据处理。【importnumpyasnp】numpy用来做高维
在此记录自己学习python数据分析过程中学到的一些数据处理的小技巧。1.数据的读取#导入numpy库和pandas库importnumpyasnpimport
Pandas是Python中非常常用的数据处理工具,使用起来非常方便。它建立在NumPy数组结构之上,所以它的很多操作通过NumPy或者Pandas自带的扩展模
Numpy、Pandas是Python数据处理中经常用到的两个框架,都是采用C语言编写,所以运算速度快。Matplotlib是Python的的画图工具,可以把之
Python中有许多方便的库可以用来进行数据处理,尤其是Numpy和Pandas,再搭配matplot画图专用模块,功能十分强大。CSV(Comma-Separ