查找多个 NumPy 数组的中值

我有一个创建大约 50 个数组的 for 循环。数组的长度为 240。我试图找出计算数组每个元素的中值的最佳方法。本质上，我想获取循环中创建的每个数组的第一个元素，将它们放入列表中，然后找到中位数。然后对其他 239 个元素执行相同的操作。我正在考虑这样的事情

a = np.array([1,2,4,56,67,8,8,9]);

b = np.array([-1,-3,5,6,-7,-6,-8,0]);

c = np.array([1,2,3,4,5,6,7,8]);

d = []

d.append(a[0])

d.append(b[0])

d.append(c[0])

d
Out[62]: [1, -1, 1]

np.median(d)
Out[65]: 1.0

Numpy.median 将取您想要的任何轴上的中位数。因此，如果您可以将所有单独的数组放入一个数组中，您可以调用np.median() https://numpy.org/doc/stable/reference/generated/numpy.median.html并立即获取它们：

a = np.array([1,2,4,56,67,8,8,9]);
b = np.array([-1,-3,5,6,-7,-6,-8,0]);
c = np.array([1,2,3,4,5,6,7,8]);

d = np.stack([a, b, c])
np.median(d, axis = 0)

# array([1., 2., 4., 6., 5., 6., 7., 8.])

当然，如果你能直接制作50x240的数组而不需要循环，那就更好了。

让 NumPy 执行此操作与使用 Python 循环相比，时机非常引人注目：

l = [np.random.rand(240) for _ in range(50)]

def one(l):
    return np.array(list(map(np.median, zip(*l))))

def two(l):
    d = np.stack(l)
    return np.median(d, axis = 0)

> %timeit one(l)
  17 ms ± 1.17 ms per loop (mean ± std. dev. of 7 runs, 100 loops each)
    
> %timeit two(l)
  456 µs ± 39.5 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each