【Numpy】一文向您详细介绍 np.median()

最新推荐文章于 2025-03-25 13:38:05 发布

高斯小哥

最新推荐文章于 2025-03-25 13:38:05 发布

阅读量3k

点赞数 21

分类专栏： Numpy 文章标签： numpy 新手入门学习 python

本文链接：https://blog.csdn.net/qq_41813454/article/details/138014675

版权

Numpy 专栏收录该内容

73 篇文章

订阅专栏

【Numpy】一文向您详细介绍 np.median()

在这里插入图片描述

🌈 欢迎莅临我的个人主页👈这里是我静心耕耘深度学习领域、真诚分享知识与智慧的小天地！🎇

🎓 博主简介：
我是高斯小哥，一名来自985高校的普通本硕生，曾有幸在中科院顶刊发表过一作论文。多年的深度学习研究和实践，让我逐渐熟练掌握了PyTorch框架，每一步成长都离不开持续的学习和积累。

🔧 技术专长：
在深度学习的广阔天地中，我不断探索前行，尤其在CV、NLP及多模态等领域有着丰富的实践经验。我热衷于将技术转化为解决实际问题的工具，因此，在业余时间，我积极投身于技术支持工作，已累计为数百位用户提供近千次专业帮助，助力他们【高效】解决问题。我坚信，技术的价值在于服务人类，提升生活品质。

📝 博客风采：
我深知知识分享的重要性，因此，在博客中我倾注心血，撰写并分享关于深度学习、PyTorch、Python的实用内容。今年，我笔耕不辍，已发表原创文章400余篇，代码分享次数逾三万次。我衷心希望通过这些内容，为广大读者提供实用的学习资源和解决方案，助力他们在深度学习的道路上稳步前行。

💡 服务项目：
除了知识分享，我还提供科研入门辅导（代码实战方面）、知识付费答疑以及个性化需求解决等服务。我深知每个人的需求都是独特的，因此我致力于提供个性化的解决方案，以满足不同用户的需求。
如果您对以上服务感兴趣，欢迎添加👉👉👉底部微信（gsxg605888）👈👈👈与我交流（请您备注来意）。

📈 一、初识 np.median()：计算数组的中位数

在数据分析和科学计算中，中位数是一个重要的统计量，用于表示数据集的“中间”值。Numpy库中的np.median()函数可以方便地计算数组的中位数。无论是处理一维数组还是多维数组，np.median()都能为我们提供所需的中位数。

下面是一个简单的例子，演示如何使用np.median()计算一维数组的中位数：

import numpy as np

# 创建一个一维数组
arr = np.array([1, 3, 5, 7, 9])

# 使用 np.median() 计算中位数
median_value = np.median(arr)

print(f"数组的中位数是: {median_value}")

输出将会是：
```
数组的中位数是: 5.0
```

对于偶数长度的数组，np.median()会返回中间两个数的平均值。

🔍 二、深入了解 np.median() 的参数与用法

np.median()函数提供了多个参数，允许我们更灵活地处理不同情况的数据集。

axis 参数：这个参数允许我们指定沿哪个轴计算中位数。对于一维数组，通常不需要设置此参数；对于多维数组，它非常有用，可以计算每行、每列或其他维度的中位数。

# 创建一个二维数组
arr_2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 计算整个数组的中位数
median_all = np.median(arr_2d)
print(f"整个数组的中位数: {median_all}")

# 计算每列的中位数
median_col = np.median(arr_2d, axis=0)
print(f"每列的中位数: {median_col}")

# 计算每行的中位数
median_row = np.median(arr_2d, axis=1)
print(f"每行的中位数: {median_row}")

out 参数：这个参数允许我们将结果直接输出到一个已存在的数组中，而不是创建一个新的数组来存储结果。这在处理大型数据集时，可以节省内存和提高性能。

import numpy as np

# 创建一个一维数组
arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])

# 预先分配一个数组用于存储结果
out_arr = np.empty(())
np.median(arr, out=out_arr)
print(f"结果存储在 out_arr 中: {out_arr}")

📊 三、np.median() 在数据分析中的应用

中位数在数据分析中扮演着重要角色，尤其在处理偏态分布或含有异常值的数据集时。使用np.median()可以更加稳健地描述数据的中心趋势。

以下是一个简单的应用实例，展示如何在实际数据分析中使用np.median()：

import numpy as np
import pandas as pd

# 假设我们有一个包含员工薪资的DataFrame
df = pd.DataFrame({
    'Employee': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'Salary': [3000, 3500, 7000, 10000, 4000]
})

# 计算薪资的中位数
median_salary = np.median(df['Salary'])
print(f"员工的薪资中位数是: {median_salary}")