Python 如何删除数据数组中的两个最低值？

我从阵列开始：

np.random.seed(959)
superArray = np.random.randint(101, size=(5,3))

删除2个最小值后，我需要计算

超级阵列的中值

我似乎找不到任何方法来删除使用Ndarray的值。下面的代码就是我所想的

np.median(superArray.delete(superArray,[min(superArray),min(superArray)]))

当然，这对我来说是个错误，因为
delete
不是ndarray类型的方法，但这正是我想要的。
您不必删除或删除任何内容。您可以只处理不包含不需要的元素的数组视图。最简单的方法是切片。所以你可以把它们按顺序排列，比如跳过前两个

np.median(np.sort(superArray.ravel())[2:])

您需要使用
ravel（）
来展平阵列。
您不必删除或删除任何内容。您可以只处理不包含不需要的元素的数组视图。最简单的方法是切片。所以你可以把它们按顺序排列，比如跳过前两个

np.median(np.sort(superArray.ravel())[2:])

您需要
ravel（）
来展平数组。
您可以
np.partition
和
ravel
<代码>np。在大型数组中，分区将比整体排序快

np.random.seed（959）
superArray=np.random.randint（101，大小=（5,3））
np.partition（superArray.ravel（），2）[2:]
您可以
np.partition
和
ravel
<代码>np。在大型数组中，分区将比整体排序快

np.random.seed（959）
superArray=np.random.randint（101，大小=（5,3））
np.partition（superArray.ravel（），2）[2:]
您可以使用
np.quantile
而不是更改
超级数组
np.中位数（x）
与
np.分位数（x，1/2）
相同。如果不考虑两个最小的元素，则将中点上移1，即可以使用
np.分位数（superArray，1/2+1/（superArray.size-1）

np.quantile
和
np.median
都有点慢，使用
np.partition
可以获得更好的性能：

# do-it-yourself quantile
idx = np.arange((superArray.size+1)//2,(superArray.size+2)//2+1)    
np.partition(superArray,idx,axis=None)[idx].mean() == ref
#True

时间：

def f():
    idx = np.arange((superArray.size+1)//2,(superArray.size+2)//2+1)
    return np.partition(superArray,idx,axis=None)[idx].mean()

def g():
    return np.quantile(superArray,1/2+1/(superArray.size-1))

def h():
    return np.median(np.partition(superArray.ravel(),2)[2:])

def i():
    return np.median(np.sort(superArray.ravel())[2:])

for tag,fn in [('partition',f),('quantile',g),('median+part',h),('median+sort',i)]:
    print(f'{tag:20s} {timeit(fn,number=100000)*10:.4f} us')

# partition            14.5955 us
# quantile             96.5980 us
# median+part          30.1133 us
# median+sort          29.4419 us

对于更大的（1000x1000）
超级阵列相同：

partition            12.2952 ms
quantile             12.7227 ms
median+part          20.8914 ms
median+sort          87.3877 ms

你可以使用
np.分位数
np.中位数（x）
与
np.分位数（x，1/2）
相同，而不是改变
superArray
。如果你不考虑两个最小的元素，你就把中点向上移动了1，也就是说，你可以使用
np.分位数（superArray，1/2+1/（superArray.size-1）

np.quantile
和
np.median
都有点慢，使用
np.partition
可以获得更好的性能：

# do-it-yourself quantile
idx = np.arange((superArray.size+1)//2,(superArray.size+2)//2+1)    
np.partition(superArray,idx,axis=None)[idx].mean() == ref
#True

时间：

def f():
    idx = np.arange((superArray.size+1)//2,(superArray.size+2)//2+1)
    return np.partition(superArray,idx,axis=None)[idx].mean()

def g():
    return np.quantile(superArray,1/2+1/(superArray.size-1))

def h():
    return np.median(np.partition(superArray.ravel(),2)[2:])

def i():
    return np.median(np.sort(superArray.ravel())[2:])

for tag,fn in [('partition',f),('quantile',g),('median+part',h),('median+sort',i)]:
    print(f'{tag:20s} {timeit(fn,number=100000)*10:.4f} us')

# partition            14.5955 us
# quantile             96.5980 us
# median+part          30.1133 us
# median+sort          29.4419 us

对于更大的（1000x1000）
超级阵列相同：

partition            12.2952 ms
quantile             12.7227 ms
median+part          20.8914 ms
median+sort          87.3877 ms

请使用2d数组定义
remove
，删除2个值是不可能的。请给出一个具体的例子，例如，即使与
np.arange（15）一样简单。重塑（5,3）
请使用2d数组定义
remove
，删除2个值是不可能的。请给出一个具体的例子，例如，即使与
np.arange（15）一样简单。重塑(5,3)
Smart。我从来没有用过那个函数。我想你只需要对那个结果应用
median
，你就完成了。Smart。我从来没有用过那个函数。我想你只需要对那个结果应用
median
，你就完成了。我希望这个被接受，我从来没有想过这个！我希望这个被接受，我从来没有想过我早就想到了！