Python 用numpy从中位数中找出最大差异的指数
我试图找到离群值的索引数。基于与中值的差异 我能够得到正确的高数值,但只要低数值是异常值,我就只能得到高数值Python 用numpy从中位数中找出最大差异的指数,python,numpy,functional-programming,median,argmax,Python,Numpy,Functional Programming,Median,Argmax,我试图找到离群值的索引数。基于与中值的差异 我能够得到正确的高数值,但只要低数值是异常值,我就只能得到高数值 import numpy as np def findoutlier(lis): outliermax = np.absolute(np.max(lis) - np.median(lis)) outliermin = np.absolute(np.min(lis) - np.median(lis)) if outliermax > outliermin:
import numpy as np
def findoutlier(lis):
outliermax = np.absolute(np.max(lis) - np.median(lis))
outliermin = np.absolute(np.min(lis) - np.median(lis))
if outliermax > outliermin:
argmax = np.argmax(lis, axis = 1)
return argmax
else:
argmin = np.argmin(lis, axis = 1)
return argmin
def main():
Matx = np.array([[10,3,2],[1,2,6]])
print(findoutlier(Matx))
threeMatx = np.array([[1,10,2,8,5],[2,7,3,9,11],[19,2,1,1,5]])
print(findoutlier(threeMatx))
main()
使用“中值”、“最大值”和“最小值”时,需要指定轴:
import numpy as np
def findoutlier(lis):
omaxs = np.absolute(np.max(lis, axis=1) - np.median(lis, axis=1))
omins = np.absolute(np.min(lis, axis=1) - np.median(lis, axis=1))
return [np.argmax(l) if omax > omin else np.argmin(l) for omax, omin, l in zip(omaxs, omins, lis)]
def main():
mat_x = np.array([[10, 3, 2], [1, 2, 6]])
print(findoutlier(mat_x))
three_mat_x = np.array([[1, 10, 2, 8, 5], [2, 7, 3, 9, 11], [19, 2, 1, 1, 5]])
print(findoutlier(three_mat_x))
输出
[0, 2]
[1, 0, 0]
[0 2]
[1 0 0]
更新
如@user3483203所述,您可以使用:
输出
[0, 2]
[1, 0, 0]
[0 2]
[1 0 0]
不要将列表理解与向量化操作混为一谈
numpy。其中
是一个更快的解决方案。