Python 如何获得张量/矩阵中列正元素的中值？

特别是给定一个二维矩阵，如何为每列的正元素找到中值

从数学上讲：返回B，其中

B[i]=中位数（{A[j，i]|A[j，i]>0}）

我知道中位数可以通过　<代码>tf.contrib.distributions.percentile

---

tf.boolean\u mask（A，tf.greater（A，0））

输出一个一维列表而不是矩阵。

您可以在列切片上循环并像这样过滤

inputlist = [[5 , -10 ] ,
           [10 , 3 ] ,
           [15 , -5 ]]

x = tf.Variable(initial_value=inputlist)

sess = tf.Session()
sess.run(tf.global_variables_initializer())

for i in range(x.get_shape().as_list()[1]) : #loop over columns
    print( sess.run(tf.contrib.distributions.percentile(tf.gather(x[:,i],
                                                                     tf.where(tf.greater(x[:,i],
                                                                                         0))),
                                                        50.0)))

实际上，返回一个1-D张量，否则，保留维数的结果张量将是稀疏的（c.f.列具有不同数量的正元素）

因为我不知道稀疏矩阵的任何中值函数，所以我想到的唯一替代方法是在列上循环，例如使用：

将tensorflow导入为tf
A=tf.convert_to_张量（[[1,0,20,5]，
[-1, 1,  10, 0],
[-2, 1, -10, 2],
[ 0, 2,  20, 1]])
正中位数fn=lambda x:tf.contrib.distributions.percentile（tf.boolean\u mask（x，tf.greater（x，0）），q=50）
A_t=tf.matrix_转置（A）#tf.map_fn沿第一维度应用，因此我们需要转置A
res=tf.map\u fn（fn=正中位数，elems=A\u t）
使用tf.Session（）作为sess：
打印（sess.run（res））
# [ 1  1 20  2]

---

注意：此代码段不包括列不包含正元素的情况<如果其输入张量为空，则code>tf.contrib.distributions.percentile（）将返回错误。例如，可以使用

tf.boolean_掩码（x，tf.greater（x，0））形状上的条件
（例如，与
tf.where（）
）