Рубрики
Без рубрики

NUMPY MEDIAN() С ПРИМЕРАМИ В PYTHON

Привет гики и добро пожаловать в сегодняшней статье мы обсудим NumPy Median(). Наряду с этим мы также рассмотрим его синтаксис и параметры

Автор оригинала: Team Python Pool.

NUMPY MEDIAN() С ПРИМЕРАМИ В PYTHON

Привет гики и добро пожаловать в сегодняшней статье мы обсудим NumPy Median(). Наряду с этим мы также рассмотрим его синтаксис и различные параметры. Мы также рассмотрим различные примеры, которые помогут нам лучше понять эту тему. Медиана-это один из 3-х метров статистики. Медиана-это центральное значение данных, расположенных в определенном порядке. В общем случае формула для расчета медианы равна (n+1)/2-му члену для нечетного числа членов и среднему значению (n/2) – го и (n/2 +1) – го члена для четного числа членов. NumPy, будучи мощной математической библиотекой Python, предоставляет нам функцию Медианы. Таким образом, мы можем заключить, что NumPy Median() помогает нам вычислить медиану данных вдоль любой заданной оси. Теперь давайте посмотрим на различные аспекты, связанные с ним один за другим.

СИНТАКСИС МЕДИАНЫ NUMPY()

Здесь мы можем увидеть общий синтаксис

numpy.median(a,,,,)

Синтаксис содержит несколько параметров, которые мы подробно рассмотрим далее.

ПАРАМЕТРЫ МЕДИАНЫ NUMPY()

a: array_like

Параметр представляет входной массив или объекты, которые могут быть преобразованы в массив. Это, как правило, вход, из которого пользователь хочет найти медиану.

axis: int, последовательность int, none

Это параметр, по которому выполняется вся операция. По умолчанию он настроен на вычисление вдоль сплющенного массива.

< out: nsarray

Это необязательный параметр. Он должен иметь ту же форму и буфер, что и ожидаемый выходной массив.

Это еще один необязательный параметр. Если оно равно true, то для вычисления используется память входного массива. Это помогает нам сохранять память, когда мы не хотим ее сохранять. В этом случае не определено, что будет частично или полностью отсортировано. По умолчанию он установлен в значение “FALSE.”

Keepdims: bool

Это еще один необязательный параметр. Если он установлен в “TRUE”, то с помощью этого параметра результаты будут корректно транслироваться на входной массив.

ВЕРНУТЬ

медиана: ndarray

Он возвращает новый массив, содержащий результаты. Если входные данные содержат значения, меньшие, чем float64(позволяет хранить большее число), , то тип выходных данных-np.float64. В противном случае тип данных ввода и вывода один и тот же.

ПРИМЕР

Теперь давайте рассмотрим несколько примеров, которые помогут нам лучше понять эту концепцию.

import numpy as ppool.array([10,12,14,16,20])
print(ppool.median(a))
.array([12,13,16,18,19,22])
print(ppool.median(b))

Выход:

14.0
17.0

Здесь, в приведенном выше примере, мы использовали NumPy Median() для вычисления медианы. Во-первых, у нас есть импортированная библиотека NumPy. Далее мы определили массив. Наконец, мы использовали наш синтаксис, чтобы найти медиану для входного массива. Выше мы рассмотрели 2 различных массива, один из которых имеет нечетное число членов, а другой-четное число членов. Теперь давайте рассмотрим другой пример и немного поиграем с синтаксисом.

NumPy Медиана с

import numpy as ppool
a=[
   [1,2,3,4,5],
   [6,7,8,9,10],
   [0,5,7,8,9],
   [11,4,6,45,1]]))

Выход:

[3.5 4.5 6.5 8.5 7. ]

В этом примере мы использовали шаги, аналогичные нашему первому примеру. Сначала импортируем массив, затем определяем массив. Но здесь мы имеем определенную ось, равную нулю. В этом случае мы получаем выход, эквивалентный [3.5,4.5,6.5,8.5,7]. Теперь я объясню логику этого вывода. Как и в математике, программа упорядочивает значение в порядке возрастания для каждого же индекса подмассива. Как и порядок [0,1,6,11] для нулевого значения индекса. Далее, поскольку число членов здесь четное, то требуется n/2-й и n/2+1-й члены массива 1 и 6. Затем вычислите среднее значение 2 слагаемых, которое дает нам наше медианное значение для этого индексного числа, например 3,5 для. Аналогично, процесс повторяется для каждого индексного номера.

NumPy Медиана с

import numpy as ppool
a=[[1,3,5,7,9],
   [2,4,6,8,10]]))

Выход:

[5. 6.]

Здесь, в приведенном выше примере, мы видим, что рассматривали 2-мерный массив. Как всегда, сначала мы импортируем библиотеку NumPy. На следующем шаге мы определили наш 2-d массив. Здесь мы указали, что ось равна 1. В результате чего на выходе мы не получаем сплющенного массива. Далее он находит медиану для 2 суб-массивов. Благодаря чему мы получаем 5 и 6 в качестве медианы на выходе.

NumPy медианный фильтр

Медианный фильтр используется для обработки изображений. Медианный фильтр занимает интенсивность центрального пикселя. Он делает лучшую работу, чем средний фильтр при удалении. Он сохраняет края изображения, но не имеет дела с спекл-шумом. Спекл в основном обнаруживается в случае медицинских изображений и активен href=”https://en.wikipedia.org/wiki/Radar”>радарные изображения. href=”https://en.wikipedia.org/wiki/Radar”>радарные изображения.

Должен Читать

  • Как Удалить Символ Из Строки Python
  • Серия Фибоначчи в Python и программа чисел Фибоначчи
  • ЧТО ТАКОЕ NUMPY DIFF? ВМЕСТЕ С ПРИМЕРАМИ
  • NumPy log Function() | Что такое Numpy log в Python
  • МЕТОДЫ ПРЕОБРАЗОВАНИЯ КОРТЕЖА В СТРОКУ В PYTHON

ЗАКЛЮЧЕНИЕ

В этой статье мы рассмотрели медиану NumPy(). Мы рассмотрели его синтаксис и различные параметры. Для лучшего понимания мы также рассмотрели несколько примеров. В конце концов, мы можем сделать вывод, что NumPy Median помогает нам, вычисляя медиану для наших входных значений. Надеюсь, эта статья смогла развеять все ваши сомнения. Но в случае, если у вас все еще есть какие-либо нерешенные вопросы, не стесняйтесь писать их ниже в разделе комментариев. Прочитав это, почему бы не прочитать Numpy dot product далее.

Читайте ещё по теме: