Python 在对数组的列取中值时，如何忽略零？

我有一个简单的numpy数组

array([[10,   0,  10,  0],
       [ 1,   1,   0,  0]
       [ 9,   9,   9,  0]
       [ 0,  10,   1,  0]])

我想分别取这个数组中每列的中位数

但是，在计算中间值时，我希望在各个位置忽略一些

0

值

更复杂的是，我想将只有

0

条目的列保留为中位数

0

。通过这种方式，这些列将充当一个占位符，保持矩阵的尺寸不变

numpy文档中没有任何可以满足我需要的参数（也许我被我们使用R获得的许多开关宠坏了！）

numpy.median（a，axis=None，out=None，overwrite\u input=False）[source]

有人能告诉我们一个有效的方法吗？这符合numpy的精神？我可以破解它，但在这种情况下，我觉得我已经击败了使用numpy的初衷

---

提前谢谢。

这可能会有所帮助。获得非零数组后，可以直接从[nonzero（a）]

numpy.nonzero（a）[来源]

你可以用

---

使用遮罩数组和

np.ma.median（axis=0）.filled（0）

获取列的中间值

In [1]: x = np.array([[10, 0, 10, 0], [1, 1, 0, 0], [9, 9, 9, 0], [0, 10, 1, 0]])
In [2]: y = np.ma.masked_where(x == 0, x)
In [3]: x
Out[3]: 
array([[10,  0, 10, 0],
       [ 1,  1,  0, 0],
       [ 9,  9,  9, 0],
       [ 0, 10,  1, 0]])
In [4]: y
Out[4]: 
masked_array(data =
 [[10 -- 10 --]
 [1 1 -- --]
 [9 9 9 --]
 [-- 10 1 --]],
             mask =
 [[False  True False True]
 [False False  True True]
 [False False False True]
 [ True False False True]],
       fill_value = 999999)
In [6]: np.median(x, axis=0)
Out[6]: array([ 5.,  5.,  5., 0.])
In [7]: np.ma.median(y, axis=0).filled(0)
Out[7]: 
array(data = [ 9.  9.  9., 0.])

---

屏蔽数组

总是很方便，但很慢：

In [14]:

%timeit np.ma.median(y, axis=0).filled(0)
1000 loops, best of 3: 1.73 ms per loop
In [15]:

%%timeit
ans=np.apply_along_axis(lambda v: np.median(v[v!=0]), 0, x)
ans[np.isnan(ans)]=0.
1000 loops, best of 3: 402 µs per loop

In [16]:

ans=np.apply_along_axis(lambda v: np.median(v[v!=0]), 0, x)
ans[np.isnan(ans)]=0.; ans
Out[16]:
array([ 9.,  9.,  9.,  0.])

np.非零

更快：

In [25]:

%%timeit
ans=np.apply_along_axis(lambda v: np.median(v[np.nonzero(v)]), 0, x)
ans[np.isnan(ans)]=0.
1000 loops, best of 3: 384 µs per loop

In [14]:

%timeit np.ma.median(y, axis=0).filled(0)
1000 loops, best of 3: 1.73 ms per loop
In [15]:

%%timeit
ans=np.apply_along_axis(lambda v: np.median(v[v!=0]), 0, x)
ans[np.isnan(ans)]=0.
1000 loops, best of 3: 402 µs per loop

In [16]:

ans=np.apply_along_axis(lambda v: np.median(v[v!=0]), 0, x)
ans[np.isnan(ans)]=0.; ans
Out[16]:
array([ 9.,  9.,  9.,  0.])

In [25]:

%%timeit
ans=np.apply_along_axis(lambda v: np.median(v[np.nonzero(v)]), 0, x)
ans[np.isnan(ans)]=0.
1000 loops, best of 3: 384 µs per loop