关于Pandas版本： 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

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。 $\text{Med}=中间位置的数$
• 对于偶数个数据：
  中位数是排序后中间两个数的平均值。$\text{Med}=\frac{\text{中间两个数之和}}{2}$。。

语法：

Series.median(axis=0, skipna=True, numeric_only=False, **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 axis=0，即计算整列的中位数。axis=1 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 skipna=True ，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 skipna=False ，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 axis=1，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(axis=1)

Series 传递 `axis=1` 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(skipna=False)

nan

例3：如果 Series 都是缺失值，并且 skipna=False 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(skipna=False)

nan

由于age列全是缺失值，所以只会返回缺失值。