成都网站建设服务商,长期做网站应该购买稳定的空间,优秀设计网站大全,惠州网站建设效果关于Pandas版本#xff1a; 本文基于 pandas2.2.0 编写。
关于本文内容更新#xff1a; 随着pandas的stable版本更迭#xff0c;本文持续更新#xff0c;不断完善补充。
传送门#xff1a; Pandas API参考目录
传送门#xff1a; Pandas 版本更新及新特性
传送门 本文基于 pandas2.2.0 编写。
关于本文内容更新 随着pandas的stable版本更迭本文持续更新不断完善补充。
传送门 Pandas API参考目录
传送门 Pandas 版本更新及新特性
传送门 Pandas 由浅入深系列教程 本节目录 Pandas.Series.median()计算公式语法返回值参数说明axis 指定计算方向行或列skipna 忽略缺失值numeric_only 只计算数字类型的行或列**kwargs 相关方法示例例1如果是 Series 始终保持 axis1会报错例2如果不忽略缺失值会影响计算结果导致只返回 NaN例3如果 Series 都是缺失值并且 skipnaFalse 只会返回缺失值 Pandas.Series.median()
Pandas.Series.median 方法用于返回 Series 所有元素的中位数。
计算公式
对于奇数个数据 中位数是排序后位于中间位置的数。 Med 中间位置的数 \text{Med} {中间位置的数} Med中间位置的数对于偶数个数据 中位数是排序后中间两个数的平均值。 Med 中间两个数之和 2 \text{Med} \frac{\text{中间两个数之和}}{2} Med2中间两个数之和。。
语法
Series.median(axis0, skipnaTrue, numeric_onlyFalse, **kwargs)
返回值
Series or scalar
参数说明
axis 指定计算方向行或列 axis : {index (0), columns (1, None) axis 参数用于指定计算方向即按行计算或按列计算中位数 对于 Series 此参数无效将始终保持 axis0即计算整列的中位数。axis1 则会报错 ValueError例1 ✅ 新增于 Pandas 2.0.0 : axis 参数新增于Pandas 2.0.0 版本。
skipna 忽略缺失值 skipna : bool, default True skipna 参数用于指定求中位数的时候是否忽略缺失值 ,默认 skipnaTrue 即忽略缺失值 True: 忽略缺失值默认。False 不忽略缺失值 但是如果存在缺失值会影响计算结果导致返回NaN 。 例2 ⚠️ 注意 : 如果 skipnaFalse 当 Series 只有缺失值计算结果也将是缺失值。 例3
numeric_only 只计算数字类型的行或列 numeric_only : bool, default False numeric_only 参数用于控制是否 只计算数值类型浮点数(float)整数(int)布尔值(boolean)的行或列 对于 Series 此参数无效。
**kwargs **kwargs : 用于保持和 numpy 兼容而保留的参数一般不需要使用。
相关方法 ➡️ 相关方法 DataFrame.median 中位数 示例
测试文件下载
本文所涉及的测试文件如有需要可在文章顶部的绑定资源处下载。
若发现文件无法下载应该是资源包有内容更新正在审核请稍后再试。或站内私信作者索要。 测试文件下载位置 例1如果是 Series 始终保持 axis1会报错
import numpy as np
import pandas as pd# 构建演示数据
s pd.Series([21, 25, 62, 43])s.median(axis1)Series 传递 axis1 引发的 ValueError 例2如果不忽略缺失值会影响计算结果导致只返回 NaN
import numpy as np
import pandas as pds pd.Series([1, 2, 3, np.NaN, 4])s.median(skipnaFalse)nan例3如果 Series 都是缺失值并且 skipnaFalse 只会返回缺失值
import numpy as np
import pandas as pds pd.Series([np.NaN, np.NaN, np.NaN, np.NaN])s.median(skipnaFalse)nan由于age列全是缺失值所以只会返回缺失值。
