有效计算平均值和中位数

hoof_hearted

在Python列表中顺序查找行的平均值和中位数的最有效方法是什么？

例如，我的列表：

input_list = [1,2,4,6,7,8]

我想产生一个包含以下内容的输出列表：

output_list_mean = [1,1.5,2.3,3.25,4,4.7]
output_list_median = [1,1.5,2.0,3.0,4.0,5.0]

平均值计算如下：

1 =平均值（1）
1.5 =平均值（1,2）（即input_list中前两个值的平均值）
2.3 =平均值（1,2,4）（即input_list中前三个值的平均值）
3.25 =平均值（1,2,4,6）（即input_list中前4个值的平均值）等。

中位数计算如下：

1 =中位数（1）
1.5 =中位数（1,2）（即input_list中前两个值的中位数）
2.0 =中位数（1,2,4）（即input_list中前3个值的中位数）
3.0 =中位数（1,2,4,6）（即input_list中前4个值的中位数）等。

我尝试使用以下循环来实现它，但是效率似乎很低。

import numpy

input_list = [1,2,4,6,7,8]

for item in range(1,len(input_list)+1):
    print(numpy.mean(input_list[:item]))
    print(numpy.median(input_list[:item]))

海梅

您自己做的任何事情，尤其是使用中位数，都将需要很多工作，或者效率很低，但是Pandas内置了您要执行的函数的高效实现，扩展的平均值为O（n），使用跳过列表，扩展中位数为O（n * log（n））：

import pandas as pd
import numpy as np

input_list = [1, 2, 4, 6, 7, 8]

>>> pd.expanding_mean(np.array(input_list))
array([ 1.     ,  1.5    ,  2.33333,  3.25   ,  4.     ,  4.66667])

>>> pd.expanding_median(np.array(input_list))
array([ 1. ,  1.5,  2. ,  3. ,  4. ,  5. ])

本文收集自互联网，转载请注明来源。

如有侵权，请联系 [email protected] 删除。