nanmedian¶

参数¶

• x (Tensor) - 输入的 Tensor，数据类型为：float16、bfloat16、float32、float64、int32、int64。

• axis (None|int|list|tuple，可选) - 指定对 x 进行计算的轴。axis 可以是 int 或者 int 元素的列表。axis 值应该在范围[-D， D)内，D 是 x 的维度。如果 axis 或者其中的元素值小于 0，则等价于 \(axis + D\)。如果 axis 是 None，则对 x 的全部元素计算中位数。默认值为 None。

• keepdim (bool，可选) - 是否在输出 Tensor 中保留减小的维度。如果 keepdim 为 True，则输出 Tensor 和 x 具有相同的维度(减少的维度除外，减少的维度的大小为 1)。否则，输出 Tensor 的形状会在 axis 上进行 squeeze 操作。默认值为 False

• mode (str，可选) - 当输入 Tensor x 在 axis 轴上有偶数个非 NaN 元素时，可选择按照中间两个非 NaN 元素的平均值或最小值确定中位数。可选的值是 'avg' 或 'min'。默认为 'avg'。

• name (str，可选) - 具体用法请参见 Name，一般无需设置，默认值为 None。

返回¶

Tensor 或 (Tensor, Tensor)。 若 mode == 'min' 且 axis 是 int 类型，结果返回一个元组：(非 NaN 中位数，对应下标)；否则只返回一个 Tensor （非 NaN 中位数）。

代码示例¶

>>> import paddle
>>> x = paddle.to_tensor([[float('nan'), 2. , 3. ], [0. , 1. , 2. ]])

>>> y1 = x.nanmedian()
>>> print(y1.numpy())
2.0

>>> y2 = x.nanmedian(0)
>>> print(y2.numpy())
[0.  1.5 2.5]

>>> y3 = x.nanmedian(0, keepdim=True)
>>> print(y3.numpy())
[[0.  1.5 2.5]]

>>> y4 = x.nanmedian((0, 1))
>>> print(y4.numpy())
2.0

>>> y5 = x.nanmedian(mode='min')
>>> print(y5.numpy())
2.0

>>> y6, y6_index = x.nanmedian(0, mode='min')
>>> print(y6.numpy())
[0. 1. 2.]
>>> print(y6_index.numpy())
[1 1 1]

>>> y7, y7_index = x.nanmedian(1, mode='min')
>>> print(y7.numpy())
[2. 1.]
>>> print(y7_index.numpy())
[1 1]

>>> y8 = x.nanmedian((0,1), mode='min')
>>> print(y8.numpy())
2.0