nanquantile¶
沿给定的轴 axis 计算 x 中元素的分位数, 忽略元素中的 NaN 。
参数¶
x (Tensor) - 输入的 Tensor，数据类型为：float32、float64。
q (int|float|list|Tensor) - 待计算的分位数，需要在符合取值范围[0, 1]。如果
q是 List 或者 1-D Tensor，其中的每一个 q 分位数都会被计算，并且输出的首维大小与列表或 Tensor 中元素的数量相同。如果q是 0-D Tensor ，则会被当作 float 和 int 对待。axis (int|list，可选) - 指定对
x进行计算的轴。axis可以是 int 或内部元素为 int 类型的 list。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 list，对给定的轴上的所有元素计算分位数。如果axis是 None，则对x的全部元素计算分位数。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。interpolation (str，可选) - 计算分位数的插值方法，可以是
linear,lower,higher,nearest或者midpoint。 默认值为linear。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，沿着axis进行分位数计算的结果。与输入数据类型一致。
代码示例¶
>>> import paddle
>>> x = paddle.to_tensor(
... [[0, 1, 2, 3, 4],
... [5, 6, 7, 8, 9]],
... dtype="float32")
>>> x[0,0] = float("nan")
>>> y1 = paddle.nanquantile(x, q=0.5, axis=[0, 1])
>>> print(y1)
Tensor(shape=[], dtype=float32, place=Place(cpu), stop_gradient=True,
5.)
>>> y2 = paddle.nanquantile(x, q=0.5, axis=1)
>>> print(y2)
Tensor(shape=[2], dtype=float32, place=Place(cpu), stop_gradient=True,
[2.50000000, 7. ])
>>> y3 = paddle.nanquantile(x, q=[0.3, 0.5], axis=0)
>>> print(y3)
Tensor(shape=[2, 5], dtype=float32, place=Place(cpu), stop_gradient=True,
[[5. , 2.50000000, 3.50000000, 4.50000000, 5.50000000],
[5. , 3.50000000, 4.50000000, 5.50000000, 6.50000000]])
>>> y4 = paddle.nanquantile(x, q=0.8, axis=1, keepdim=True)
>>> print(y4)
Tensor(shape=[2, 1], dtype=float32, place=Place(cpu), stop_gradient=True,
[[3.40000000],
[8.20000000]])
>>> nan = paddle.full(shape=[2, 3], fill_value=float("nan"))
>>> y5 = paddle.nanquantile(nan, q=0.8, axis=1, keepdim=True)
>>> print(y5)
Tensor(shape=[2, 1], dtype=float32, place=Place(cpu), stop_gradient=True,
[[nan],
[nan]])