Question

我正在寻求实现快速中位数，因为我必须为我的程序做很多中位数。我想使用python内置函数，因为它们会比我能做的更好。

我的中位数应该是： -提取5个值， -拆下中间一个， -找到其余4个值的中位数。

基本上多次调用：

numpy.median(np.array([0, 1, 2, 3, 4])[np.array([True, True, False, True, True])])
# (1. + 3.) / 2. = 2.0

我发现了两个函数：scipygeneric_filter和numpy位数_filter。我的问题是，即使他们似乎具有相同的参数，generic_filter也会提供正确的输出，而不是位数_filter。而且，generic_filter比中位数_filter慢。因此，我想知道我在对mnid_filter的调用中做错了什么，并将其用于速度目的。

import numpy as np
import scipy.ndimage as sc

v = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10])

print(sc.generic_filter(v, sc.median, footprint=np.array([1, 1, 0, 1, 1]), mode = "mirror", output=np.float64))
%timeit sc.generic_filter(v, sc.median, footprint=np.array([1, 1, 0, 1, 1]), mode = "mirror", output=np.float64)

print(sc.median_filter(v, footprint=np.array([1, 1, 0, 1, 1]), output=np.float64, mode="mirror"))
%timeit sc.median_filter(v, footprint=np.array([1, 1, 0, 1, 1]), output=np.float64, mode="mirror")

如您所见，generic_filter提供正确的输出： [1.5 1.5 2. 3. 4. 5. 6. 7. 7. 8.5 8.5] 每个循环327 µs±15.2 µs（平均±标准偏差，共运行7次，每个循环1000个）

和位数过滤器更快，但我不明白它的输出： [2。 2. 3. 4. 5. 6. 7. 7. 8. 9. 9. 9.] 每个循环12.4 µs±217 ns（平均±标准偏差，共运行7次，每个循环100000次）

你知道我的电话怎么了吗？

Answer 1

唯一的区别似乎是由于处理“联系”的原因：

sc.median返回平局的平均值
sc.median_filter似乎系统地返回了较大的值

考虑到median_filter is implemented的方式，对于“偶数个元素的中位数应返回均值”有效的情况，处理特殊/特殊情况很尴尬

我已经破解了处理这种情况的版本：

from scipy.ndimage.filters import _rank_filter

def median_filter(input, footprint, output=None, mode="reflect", cval=0.0, origin=0):
    filter_size = np.where(footprint, 1, 0).sum()
    rank = filter_size // 2
    result = _rank_filter(
        input, rank, None, footprint, output, mode, cval, origin, 'dummy')
    if filter_size % 2 == 0:
        if result is output:
            tmp = result.copy()
        else:
            tmp = result
        rank -= 1
        assert rank > 0
        result = _rank_filter(
            input, rank, None, footprint, output, mode, cval, origin, 'dummy')
        # fix up ties without creating any more garbage
        result += tmp
        result /= 2
    return result

但是它有点笨拙，并且使用了scipy的内部功能（我正在使用1.3.0），因此将来可能会崩溃

在我的计算机上，这些基准为：

sc.generic_filter每个循环耗时578 µs±8.51 µs
sc.median_filter每个循环耗时27.4 µs±1.37 µs
我的median_filter每次循环耗时65.6 µs±1.29 µs

使用scipygeneric_filter和numpy mean_filter计算移动中位数会得到不同的输出

1 个答案: