如何在具有偶数个整数的 numpy 掩码数组中获得单个中位数

Question

我有一个 numpy 掩码 nd 数组。 我需要找到沿特定轴的中位数。 在某些情况下，我最终拥有偶数个元素，在这种情况下numpy.ma.median给出中间两个元素的平均值。 但是，我不想要平均值。 我想要中间元素之一。 两者中的任何一个都可以。 我怎么得到这个？

MWE：

>>> import numpy
>>> data=numpy.arange(-5,10).reshape(3,5)
>>> mdata=numpy.ma.masked_where(data<=0,data)
>>> numpy.ma.median(mdata, axis=0)
masked_array(data=[5.0, 3.5, 4.5, 5.5, 6.5],
             mask=[False, False, False, False, False],
       fill_value=1e+20)

如您所见，它正在求平均值（ 1和6 ）并提供小数值（ 3.5 ）。 我想要1或6任何一个。

Answer 1

对于偶数个元素，中位数返回两个中间数的平均值。 但是，如果您不想要平均值，只想要两个中间数字中的一个，您可以在调用中位数方法的同时从集合中删除一个元素，这将使集合长度为奇数，您将得到什么你想要，而不是平均值（虽然这不是找到中位数的正确方法）

Answer 2

当您有偶数个元素时，预计会平均。 假设您有从 1 到 10 的元素数组。平均值预计为 5 和 6 的平均值，即 5.5。 如果你有从 1 到 11 的元素，那么中位数是 6。希望这能澄清

Answer 3

• numpy.percentile(array, 50)给出中值。
• numpy.percentile有一个选项来指定到nearest插值。
• 但是，此功能在numpy.ma模块中不可用。
• 这个答案中使用的技巧可以在这里使用。

这个想法是用nan填充无效值并使用numpy.nanpercentile()和nearest插值。

>>> mdata1 = numpy.ma.filled(mdata.astype('float'), numpy.nan)
>>> numpy.nanpercentile(mdata1, 50, axis=0, interpolation='nearest')
array([5., 1., 2., 3., 4.])