在python中计算运行中位数的最短方法是什么？答案

【问题标题】：What is the shortest way to calculate running median in python?在python中计算运行中位数的最短方法是什么？
【发布时间】：2020-04-11 02:04:21
【问题描述】：

我需要在 python 中计算一个运行中位数。目前我是这样做的：

med_y = []
med_x = []
for i in numpy.arange(240, 380, 1):

    med_y.append(numpy.median(dy[(dx > i)*(dx < i+20)]))
    med_x.append(i + 10)

这里的数据存储在 dx（x 坐标）和 dy（y 坐标）中，中值被 dy 取代并绘制在 dx 上（必须移动 window/2）。假设 x 和窗口大小的均匀间距为 20。

有没有更短的方法？

例如，运行平均可以这样完成：

cs = numpy.cumsum(dy)
y_20 = (cs[20:] - cs[:-20])/20.0
x_20 = dx[10:-10]

在站点包中预定义运行 X 函数也可以。

【问题讨论】：

标签： python numpy math median scipy.ndimage

【解决方案1】：

在写完问题后谷歌搜索显示了一个名为 medfilt 的信号处理函数，例如scipy.signal.medfilt 带有两个输入参数：数字列表和窗口大小。

在以下情况下有效：

窗口大小不均匀
与边缘的距离超过 (window+1)/2

在边缘附近，它给出了最小的内部窗口/2。我猜原因是它最初是为了减少图像中的黑色错误像素，而你希望边缘是黑色的。

例如：

from scipy.signal import medfilt 
values = [1,1,1,0,1,1,1,1,1,1,1,2,1,1,1,10,1,1,1,1,1,1,1,1,1,1,0,1]
print medfilt(values,7)

非常适合 values[4:-4] 并给出 min(values[:4]) 和 min(values[-4:]) 边缘。上面例子的输出是：

output = [0. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 0.]

【讨论】：

好的，学习了文档中“零填充”的含义。边缘的行为是由于当窗口超出数据时添加到窗口中的零。

【解决方案2】：

这是最短的：

from scipy.ndimage import median_filter
values = [1,1,1,0,1,1,1,1,1,1,1,2,1,1,1,10,1,1,1,1,1,1,1,1,1,1,0,1]
print median_filter(values, 7, mode='mirror')

它在边缘可以正常工作（或者您可以选择它在边缘的工作方式）。

而任何一般的运行X都是这样完成的（以运行标准差为例）：

import numpy
from scipy.ndimage.filters import generic_filter
values = numpy.array([0,1,2,3,4,5,1,1,1,1,1,1,1,1,1,1,1,1,0,1,1]).astype('float')
print(generic_filter(values, numpy.std, size=7, mode='mirror'))

在上面，float输入类型很重要。

有用的链接：

https://nickc1.github.io/python,/matlab/2016/05/17/Standard-Deviation-(Filters)-in-Matlab-and-Python.html

improving code efficiency: standard deviation on sliding windows

【讨论】：