Question

在Python列表中顺序查找行的均值和中位数的最有效方法是什么？

例如，我的清单：

input_list = [1,2,4,6,7,8]

我想生成一个包含以下内容的输出列表：

output_list_mean = [1,1.5,2.3,3.25,4,4.7]
output_list_median = [1,1.5,2.0,3.0,4.0,5.0]

如果平均值计算如下：

1 = mean（1）
1.5 = mean（1,2）（即input_list中前2个值的平均值）
2.3 = mean（1,2,4）（即input_list中前3个值的平均值）
3.25 = mean（1,2,4,6）（即input_list中前4个值的平均值）等

中位数计算如下：

1 =中位数（1）
1.5 =中位数（1,2）（即input_list中前2个值的中位数）
2.0 =中位数（1,2,4）（即input_list中前3个值的中位数）
3.0 =中位数（1,2,4,6）（即input_list中前4个值的中位数）等

我试图用以下循环实现它，但它看起来非常低效。

import numpy

input_list = [1,2,4,6,7,8]

for item in range(1,len(input_list)+1):
    print(numpy.mean(input_list[:item]))
    print(numpy.median(input_list[:item]))

Answer 1

你自己做的任何事情，特别是中位数，要么需要大量的工作，要么效率很低，但是Pandas带有你所追求的功能的内置高效实现，扩展的意思是O（ n），使用跳过列表扩展中位数是O（n * log（n））：

import pandas as pd
import numpy as np

input_list = [1, 2, 4, 6, 7, 8]

>>> pd.expanding_mean(np.array(input_list))
array([ 1.     ,  1.5    ,  2.33333,  3.25   ,  4.     ,  4.66667])

>>> pd.expanding_median(np.array(input_list))
array([ 1. ,  1.5,  2. ,  3. ,  4. ,  5. ])

Answer 2

您可以使用<input type="hidden" name="notify_url" value="http://site2.com/ipn.php"/>对数组进行切片，并将itertools.islice与np.fromiter一起使用：

np.mean

作为替代方案，如果您想要平均值，可以使用np.cumsum获取元素的累积总和，并使用>>> arr=np.array([1,2,4,6,7,8]) >>> l=arr.size >>> from itertools import islice >>> [np.fromiter(islice(arr,0,i+1),float).mean(dtype=np.float32) for i in xrange(l)] [1.0, 1.5, 2.3333333, 3.25, 4.0, 4.6666665]除以主数组：

np.true_divide

Answer 3

import numpy as np
a = np.array([1,2,4,6,7,8])

使用numpy.meshgrid（还有其他公式可行）和numpy.triu创建一个包含您感兴趣的值的数组。

x, y = np.meshgrid(a,a)
# y = a.repeat(len(a)).reshape(len(a), len(a))
c = np.triu(y)

>>> y
array([[1, 1, 1, 1, 1, 1],
       [2, 2, 2, 2, 2, 2],
       [4, 4, 4, 4, 4, 4],
       [6, 6, 6, 6, 6, 6],
       [7, 7, 7, 7, 7, 7],
       [8, 8, 8, 8, 8, 8]])
>>> c
array([[1, 1, 1, 1, 1, 1],
       [0, 2, 2, 2, 2, 2],
       [0, 0, 4, 4, 4, 4],
       [0, 0, 0, 6, 6, 6],
       [0, 0, 0, 0, 7, 7],
       [0, 0, 0, 0, 0, 8]])

定义一个函数，该函数返回所有非零值的中位数，并将其应用于有趣的数组。

def foo(a):
    '''return the the median of the non-zero elements of a 1d array
    '''
    return np.median(a[a.nonzero()])
d = np.apply_along_axis(foo, 0, c)

>>> d
array([ 1. ,  1.5,  2. ,  3. ,  4. ,  5. ])
>>>

有效地计算平均值和中值

3 个答案: