Python输出与元组列表的中值相关的记录，由numpy确定答案

【问题标题】：Python to output record associated with median value of a tuple list, determined by numpyPython输出与元组列表的中值相关的记录，由numpy确定
【发布时间】：2017-09-19 13:39:25
【问题描述】：

我正在使用numpy 从这样的元组列表中查找中值：

print(np.median( [x[1] for x in pairs]) )

Pairs 本身来自collections.namedtuple，它们各自看起来像这样：

Pair(hash=u'0x034c9e7f28f136188ebb2a2630c26183b3df90c387490159b411cf7326764341', gas=21000)
Pair(hash=u'0xffda7269775dcd710565c5e0289a2254c195e006f34cafc80c4a3c89f479606e', gas=1000000)
Pair(hash=u'0x90ca439b7daa648fafee829d145adefa1dc17c064f43db77f573da873b641f19', gas=90000)
Pair(hash=u'0x7cba9f140ab0b3ec360e0a55c06f75b51c83b2e97662736523c26259a730007f', gas=40000)
Pair(hash=u'0x92dedff7dab405220c473aefd12e2e41d260d2dff7816c26005f78d92254aba2', gas=21000)

这是我确定中位数的方法：

pairs = list(_as_pairs(dict_hash_gas))
# pprint.pprint(pairs)
if pairs:
    # Avoid a ValueError from min() and max() if the list is empty.
    print(min(pairs, key=lambda pair: pair.gas))
    print(max(pairs, key=lambda pair: pair.gas))
    print(np.median( [x[1] for x in pairs]) )

以下是结构的创建方式：

def _as_pairs(pairs):
    for pair in pairs:
        # TODO:  Verify the dict conatains exactly one item?
        for k, v in pair.items():
            # Should the `key` string also be an integer?
            #yield Pair(key=int(k, base=16), value=int(v))
            yield Pair(hash=k, gas=int(v))

完整的脚本可以是健全的here。

此刻的输出是这样的：

Pair(hash=u'0xf4f034e23b4118cb4aa4e9d077f0f28d675e25e9dc2650225f32ac33e04c93aa', gas=21000)
Pair(hash=u'0x92de9056a6357752a46dff1d6ff274d204d450bbd6c51cefe757f199af105cb4', gas=4712388)
90000.0

问题是，我如何输出整个记录，整个Pair，与中值相关联，而不仅仅是中值本身？

【问题讨论】：

一开始我以为你可以用print(np.median((pair.gas, pair) for pair in pairs)[1]) 替换print(np.median( [x[1] for x in pairs]) )，但那行不通。
数据中没有中值怎么办？
检查两个相互竞争的潜在值并随机选择其中一个

标签： python numpy median

【解决方案1】：

可以得到中位数Pair的索引，但需要多行：

1) 如果你总是有len(pairs)%2 == 1，中位数是唯一的并且属于对：

gases = np.array([pair.gas for pair in pairs])
medianGasIndex = np.where( gases == np.median(gases) )[0][0]
print(pairs[medianGasIndex])

2) 如果你可能有len(pairs)%2 == 0，那么你必须选择：

2.1) 要么你想要中值对，它是实际中值最接近的值（即 50 个百分位数，不包含在数据集中）

medianGasIndex = np.where( gases == np.percentile(gases,50,interpolation='nearest') )[0][0]

2.2) 或者你想要左右中间值

leftMedianGasIndex = np.where( gases == np.percentile(gases,50,interpolation='lower') )[0][0]
rightMedianGasIndex = np.where( gases == np.percentile(gases,50,interpolation='higher') )[0][0]

它适用于这个minimal working example，只需根据您的需要编辑获取中值的方式。

【讨论】：

如果np.median() 的结果不包含在pairs 中，这将失败，例如如果包含一个额外的Pair(hash=u'0x7cba9f140agfsdsg60e0a55c06f75b51c83b2e97662736523c26259a730007f', gas=500)，上面的代码将不起作用。
谢谢@norok2，我编辑了我的答案来解决你提出的问题。

【解决方案2】：

这个问题不成立，因为没有真正与中位数相关的值：median 值可能不存在于原始数组中，例如np.median([0, 1]) 等于 0.5。

相反，您可以使用np.argmin() 找到最接近中位数的pairs 的值，例如：

import numpy as np

arr = np.arange(10, 20)
median_val = np.median(arr)
print(median_val)
# output: 14.5

i = np.argmin(np.abs(arr - median_val))
print(i)
# output: 4
print(arr[i])
# output: 14

对于您的代码，这可能类似于：

gases_arr = np.array([pair.gas for pair in pairs])
median_val = np.median(gases_arr)
i = np.argmin(np.abs(gases_arr - median_gases))
print(i, pairs[i])

当然，除非您希望仅当数组中实际存在median 时才打印该值，在这种情况下，您可以检查pairs[i] == median_val 或使用where，如其他答案中所述。

【讨论】：