Question

我有一个数组A，比如说：

import numpy as np
A = np.array([1,2,3,4,5,6,7,8])

我希望通过将B中的每个元素替换为其四个最近邻居的中位数来创建一个新数组A，不用考虑到给定位置......例如：

B[2] = np.median([A[0], A[1], A[3], A[4]]) (=3)

问题是我需要在一个巨大的A上执行此操作，我想优化时间，所以我想避免循环或类似。并且......我不在乎边缘的结果。

我已经尝试scipy.ndimage.filters.median_filter，但它没有产生所需的输出：

import scipy.ndimage
B = scipy.ndimage.filters.median_filter(A,footprint=[1,1,0,1,1],mode='wrap')

产生B=[7,4,4,5,6,7,6,6]的

，这显然不是正确的答案。任何想法都是受欢迎的。

Answer 1

正在使用np.roll来移动数组中的数字，例如：

A_1 = np.roll(A,1)
# output: array([8, 1, 2, 3, 4, 5, 6, 7])

然后滚动-2，-1和2同样的事情：

A_2 = np.roll(A,2)
A_m1 = np.roll(A,-1)
A_m2 = np.roll(A,-2)

现在你只需要对你的4个数组求和，对于每个索引，你有一个4个邻居：

B = (A_1 + A_2 + A_m1 + A_m2)/4.

正如你所说，你不在乎边缘，我觉得它适合你！

编辑：我想我专注于我将平均值和中位数混合在一起的滚动想法，中位数可以通过B = np.median([A_1,A_2,A_m1,A_m2],axis=0)来计算

Answer 2

我在pandas中制作一个长度为5的滚动中心窗口，并将中值函数应用于窗口的值，中间的一个被遮盖：

import numpy as np
A = np.array([1,2,3,4,5,6,7,8])

mask = np.array(np.ones(5), bool)
mask[5//2] = False

import pandas as pd
df = pd.DataFrame(A)

r5 = df.rolling(5, center=True)

result = r5.apply(lambda x: np.median(x[mask]))

result
     0
0  NaN
1  NaN
2  3.0
3  4.0
4  5.0
5  6.0
6  NaN
7  NaN

用最近邻居的中位数替换列表中的（每个）元素

2 个答案: