Python 有效地计算平均值和中值

在Python列表中按顺序查找行的平均值和中位数的最有效方法是什么

例如，我的列表：

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

我想生成一个输出列表，其中包含：

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]

其中，平均值计算如下：

• 1=平均值（1）
• 1.5=平均值（1,2）（即输入列表中前两个值的平均值）
• 2.3=平均值（1,2,4）（即输入列表中前3个值的平均值）
• 3.25=平均值（1,2,4,6）（即输入列表中前4个值的平均值） 等等

中位数的计算方法如下：

• 1=中值（1）
• 1.5=中值（1,2）（即输入列表中前两个值的中值）
• 2.0=中值（1,2,4）（即输入列表中前3个值的中值）
• 3.0=中值（1,2,4,6）（即输入列表中前4个值的中值） 等等

我尝试用下面的循环实现它，但它似乎效率很低

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]))

---

您可以使用

itertools.islice

对数组进行切片，并使用

np.fromiter

和

np.mean

：

>>> 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]

作为一个备选答案，若你们想要平均值，你们可以使用它来获得元素的累积和，并使用

np与主数组进行除法。true\u divide

：

>>> np.true_divide(np.cumsum(arr),arr)
array([ 1. ,  1.5,  2. ,  2.5,  3. ,  3.5,  4. ,  4.5])

---

您自己做的任何事情，特别是使用中间值，要么需要大量工作，要么效率非常低，但Pandas内置了您所追求的功能的高效实现，扩展平均值为O（n），扩展中间值为O（n*log（n）），使用跳过列表：

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. ])

使用

numpy.meshgrid

（还有其他公式）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，返回所有非零值的中值，并将其应用于感兴趣的数组

---

谢谢@Kasra！我也可以用np找到顺序中值吗？@hoof\u欢迎！对不起，您所说的顺序中值是什么意思？如中所述，我需要找到第一个值（1）、前两个值（1,2）、前三个值（1,2,3）等的中值。在本例中，输出将是相同的（即输出列表=[1,1.5,2,2.5,3,3.5,4,4.5]），但我正在计算所有值的中值，而不是平均值。我希望是这样clear@hoof_hearted是的，这正是我的答案！cumsum的那部分很聪明！“似乎很低效”相比什么？你计时了吗？我怀疑

import numpy

在运行时占主导地位（您不需要它）

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]])

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. ])
>>>