numpy计算列表中除0以外的中位数

要计算一个列表中除0以外的中位数，你可以使用NumPy库来进行计算。首先，导入NumPy库：

import numpy as np

然后，将列表转换为NumPy数组，并使用`np.median()`函数来计算中位数。在计算中位数之前，可以使用`np.nan_to_num()`函数将0替换为NaN（不是一个数字）：

# 原始列表
my_list = [1, 2, 3, 0, 4, 5, 0, 6, 7]

# 将列表转换为NumPy数组，并将0替换为NaN
arr = np.array(my_list)
arr = np.nan_to_num(arr, nan=np.nan)

# 计算中位数（除0以外的值）
median = np.median(arr[~np.isnan(arr)])

# 打印结果
print(median)

这样，你将得到除0以外的中位数。注意，在计算中位数之前，我们将0替换为NaN，并使用`~np.isnan(arr)`来筛选出不是NaN的值进行计算。

相关问题

numpy中求中位数

在Python的NumPy库中，可以使用`numpy.median()`函数来计算数组的中位数。该函数可以接受一个数组作为输入，并返回该数组的中位数。

以下是一个示例代码：

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
median = np.median(arr)

print("数组的中位数为:", median)

输出结果为：

数组的中位数为: 3.0

如果数组中有偶数个元素，则中位数为中间两个数的平均值。例如：

import numpy as np

arr = np.array([1, 2, 3, 4])
median = np.median(arr)

print("数组的中位数为:", median)

输出结果为：

数组的中位数为: 2.5

numpy MM浮动中位数

对于计算 numpy 数组的浮动中位数，可以使用 `numpy.median()` 函数。浮动中位数是指数组中所有元素的中位数，其中每个元素可以有一个对应的权重。

import numpy as np

# 创建示例数组
arr = np.array([1, 2, 3, 4, 5])
weights = np.array([0.1, 0.2, 0.3, 0.2, 0.2])

# 计算浮动中位数
weighted_median = np.median(arr, weights=weights)
print(weighted_median)

在上述示例中，数组 `arr` 包含值 `[1, 2, 3, 4, 5]`，对应的权重数组为 `[0.1, 0.2, 0.3, 0.2, 0.2]`。通过调用 `np.median()` 函数并传入权重数组，即可计算出浮动中位数。在这个例子中，结果为 `3.0`。

请注意，`np.median()` 函数在处理浮动中位数时需要较高的计算资源，因此对于大型数组可能会耗费较长的时间。