torch.nanmedian

torch.nanmedian(input) → 張量

返回 `input` 中忽略 `NaN` 值的數值的中位數。

當 `input` 中沒有 `NaN` 值時，此函式與 torch.median() 相同。當 `input` 中有一個或多個 `NaN` 值時，torch.median() 總是返回 `NaN`，而此函式將返回 `input` 中非 `NaN` 元素的中位數。如果 `input` 中的所有元素都是 `NaN`，它也將返回 `NaN`。

引數

input (張量) – 輸入張量。

示例

>>> a = torch.tensor([1, float('nan'), 3, 2])
>>> a.median()
tensor(nan)
>>> a.nanmedian()
tensor(2.)

torch.nanmedian(input, dim=-1, keepdim=False, *, out=None)

返回一個命名元組 (values, indices)，其中 values 包含 `input` 在維度 dim 中每行數值的中位數（忽略 `NaN` 值），indices 包含在維度 dim 中找到的中位數值的索引。

當縮減後的行中沒有 `NaN` 值時，此函式與 torch.median() 相同。當縮減後的行中有一個或多個 `NaN` 值時，torch.median() 總是將其縮減為 `NaN`，而此函式將將其縮減為非 `NaN` 元素的中位數。如果縮減後的行中的所有元素都是 `NaN`，那麼它也將被縮減為 `NaN`。

引數

• input (張量) – 輸入張量。

• dim (int) – 要縮減的維度。

• keepdim (bool) – 輸出張量是否保留維度 dim。

關鍵字引數

out ((張量, 張量), 可選) – 第一個張量將填充中位數值，第二個張量（必須具有 long 資料型別）將填充它們在 `input` 維度 dim 中的索引。

示例

>>> a = torch.tensor([[2, 3, 1], [float('nan'), 1, float('nan')]])
>>> a
tensor([[2., 3., 1.],
        [nan, 1., nan]])
>>> a.median(0)
torch.return_types.median(values=tensor([nan, 1., nan]), indices=tensor([1, 1, 1]))
>>> a.nanmedian(0)
torch.return_types.nanmedian(values=tensor([2., 1., 1.]), indices=tensor([0, 1, 0]))