Encontrando mediana da lista em Python

181

Como você encontra a mediana de uma lista no Python? A lista pode ser de qualquer tamanho e não é garantido que os números estejam em uma ordem específica.

Se a lista contiver um número par de elementos, a função retornará a média dos dois do meio.

Aqui estão alguns exemplos (classificados para fins de exibição):

median([1]) == 1
median([1, 1]) == 1
median([1, 1, 2, 4]) == 1.5
median([0, 2, 5, 6, 8, 9, 9]) == 6
median([0, 0, 0, 0, 4, 4, 6, 8]) == 2
ChucksPlace
fonte
9
As respostas aqui são boas, então acho que quero que essa seja uma resposta canônica para encontrar medianas, principalmente para que eu possa fechar isso . Observe que essa pergunta tem 30 mil visualizações. Eu gostaria que essa pergunta não fosse fechada ou esquecida de alguma maneira, para que ela possa permanecer nos resultados da pesquisa e absorver essas visualizações.
precisa saber é o seguinte

Respostas:

214

O Python 3.4 possui statistics.median:

Retorne a mediana (valor do meio) dos dados numéricos.

Quando o número de pontos de dados for ímpar, retorne o ponto de dados do meio. Quando o número de pontos de dados é par, a mediana é interpolada levando a média dos dois valores médios:

>>> median([1, 3, 5])
3
>>> median([1, 3, 5, 7])
4.0

Uso:

import statistics

items = [6, 1, 8, 2, 3]

statistics.median(items)
#>>> 3

Também é muito cuidadoso com os tipos:

statistics.median(map(float, items))
#>>> 3.0

from decimal import Decimal
statistics.median(map(Decimal, items))
#>>> Decimal('3')
Veedrac
fonte
Perfeito, trabalhou para mim adicioná-lo pip3 install itunizerpara adicionar dados medianos aos resultados da consulta. Cheers
jamescampbell
E se você quiser encontrar a mediana de uma matriz classificada. Portanto, você não pode usar a função incorporada Statistics.median, porque ela diminuirá a velocidade ao classificar novamente
GilbertS 22/02
2
@ GilbertS Então olhe para o elemento do meio ou faça a média dos dois do meio.
Veedrac 22/02
163

(Funciona com ):

def median(lst):
    n = len(lst)
    s = sorted(lst)
    return (sum(s[n//2-1:n//2+1])/2.0, s[n//2])[n % 2] if n else None

>>> median([-5, -5, -3, -4, 0, -1])
-3.5

numpy.median():

>>> from numpy import median
>>> median([1, -4, -1, -1, 1, -3])
-1.0

Para , use statistics.median:

>>> from statistics import median
>>> median([5, 2, 3, 8, 9, -2])
4.0
AJ Uppal
fonte
9
Enquanto ele não está escrevendo uma função, é ainda mais "pythônico" solução imho
dartdog
6
@dartdog Na verdade não; é desaconselhável coagir a uma matriz Numpy sem uma boa razão. Você coagiu tipos e, pior, perdeu o suporte a tipos arbitrários.
precisa saber é o seguinte
1
Pontos conquistados, úteis.
precisa saber é o seguinte
3
A função é muito mais trabalhosa do que precisa ser, no entanto.
Martijn Pieters
3
O PEP 450 apresenta um bom argumento contra o não uso de uma biblioteca. Você acabará cometendo um erro.
Alex Harvey
51

A função classificada () é muito útil para isso. Use a função classificada para ordenar a lista e, em seguida, simplesmente retorne o valor do meio (ou calcule a média dos dois valores do meio, se a lista contiver uma quantidade uniforme de elementos).

def median(lst):
    sortedLst = sorted(lst)
    lstLen = len(lst)
    index = (lstLen - 1) // 2

    if (lstLen % 2):
        return sortedLst[index]
    else:
        return (sortedLst[index] + sortedLst[index + 1])/2.0
swolfe
fonte
É altamente ineficiente no entanto: a classificação é muito mais trabalho no pior caso (Theta (n lg n)) de selecionar a mediana (Theta (n)) ...
Jeremy
12

Aqui está uma solução mais limpa:

def median(lst):
    quotient, remainder = divmod(len(lst), 2)
    if remainder:
        return sorted(lst)[quotient]
    return sum(sorted(lst)[quotient - 1:quotient + 1]) / 2.

Nota: Resposta alterada para incorporar sugestões nos comentários.

Batuhan Ulug
fonte
7
float(sum(…) / 2)deve ser substituído por sum(…) / 2.0; caso contrário, se sum(…)for um número inteiro, você obterá uma versão flutuante do quociente inteiro. Por exemplo: float(sum([3, 4]) / 2)é 3.0, mas sum([3, 4]) / 2.0é 3.5.
Musiphil
Para completar, @musiphil: somente no python 2 e somente se você não tiver feito from __future__ import division.
Chris L. Barnes
11

Você pode tentar o algoritmo de seleção rápida se forem necessários tempos de execução médios mais rápidos. O Quickselect tem desempenho médio (e melhor) O(n), embora possa acabar O(n²)em um dia ruim.

Aqui está uma implementação com um pivô escolhido aleatoriamente:

import random

def select_nth(n, items):
    pivot = random.choice(items)

    lesser = [item for item in items if item < pivot]
    if len(lesser) > n:
        return select_nth(n, lesser)
    n -= len(lesser)

    numequal = items.count(pivot)
    if numequal > n:
        return pivot
    n -= numequal

    greater = [item for item in items if item > pivot]
    return select_nth(n, greater)

Você pode transformar isso trivialmente em um método para encontrar medianas:

def median(items):
    if len(items) % 2:
        return select_nth(len(items)//2, items)

    else:
        left  = select_nth((len(items)-1) // 2, items)
        right = select_nth((len(items)+1) // 2, items)

        return (left + right) / 2

Isso é muito não otimizado, mas não é provável que mesmo uma versão otimizada supere o Tim Sort (embutido no CPython sort) porque isso é muito rápido . Eu tentei antes e perdi.

Veedrac
fonte
Então, por que pensar nisso se sort () é mais rápido?
Max
@Max Se você estiver usando PyPy, ou algum tipo você não pode sortfacilmente, ou disposto a escrever uma extensão de C para a velocidade, etc.
Veedrac
10

É claro que você pode usar funções de compilação, mas se quiser criar as suas próprias, poderá fazer algo assim. O truque aqui é usar o operador ~ que inverte o número positivo para negativo. Por exemplo, ~ 2 -> -3 e usar negativo na lista em Python contará itens do final. Portanto, se você tiver um meio == 2, será necessário o terceiro elemento do início e o terceiro item do final.

def median(data):
    data.sort()
    mid = len(data) // 2
    return (data[mid] + data[~mid]) / 2
Vlad Bezden
fonte
8

Você pode usar o list.sortpara evitar a criação de novas listas sortede classificar as listas no local.

Além disso, você não deve usar listcomo um nome de variável, uma vez que oculta a própria lista do python .

def median(l):
    half = len(l) // 2
    l.sort()
    if not len(l) % 2:
        return (l[half - 1] + l[half]) / 2.0
    return l[half]
Padraic Cunningham
fonte
5
As funções utilitárias simples provavelmente não devem modificar nenhum argumento (especialmente se o nome da função for um substantivo IMO). Também o uso de classificado sobre .sort () significa que o argumento não precisa ser uma lista. Pode ser qualquer iterador.
Will S
1
Meu argumento era sobre a função que modificava a lista. Eu mencionei o suporte a qualquer iterável como um bom efeito colateral do ordenado, mas esse não é o principal benefício. Eu, pelo menos, esperaria que a mediana (lista) funcionasse como quase todas as outras funções internas ou matemáticas. next () muda, mas não consigo pensar em outros. Mutação surpresa é um pé no saco para depuração.
Will S
@WillS, como é uma surpresa quando documentada? E se você estiver lidando com grandes dados ou tiver uma quantidade restrita de memória e não puder fazer uma cópia da lista, e então?
Padraic Cunningham
2
Faça a função esperar uma lista classificada e documente isso. mylist.sort(); middle(mylist), mas é inegavelmente uma questão de gosto. Eu apenas acho que a mutação em geral deve ser reservada para métodos, tanto quanto possível. O motivo list.sort () retorna None, em vez da própria lista, é tornar o comportamento o mais óbvio e claro possível. Ocultar tudo na documentação é como ocultar coisas em letras pequenas.
Will S
7
def median(array):
    """Calculate median of the given list.
    """
    # TODO: use statistics.median in Python 3
    array = sorted(array)
    half, odd = divmod(len(array), 2)
    if odd:
        return array[half]
    return (array[half - 1] + array[half]) / 2.0
warvariuc
fonte
7
def median(x):
    x = sorted(x)
    listlength = len(x) 
    num = listlength//2
    if listlength%2==0:
        middlenum = (x[num]+x[num-1])/2
    else:
        middlenum = x[num]
    return middlenum
Bulent
fonte
1
Parece que sua primeira linha de código foi deixada de fora, você pode resolver isso editando sua postagem e recuando o cabeçalho da função com 4 espaços.
Johan Johan
4

Postei minha solução na implementação em Python do algoritmo "mediana de medianas" , que é um pouco mais rápido do que usar sort (). Minha solução usa 15 números por coluna, para uma velocidade de ~ 5N que é mais rápida que a velocidade ~ 10N de usar 5 números por coluna. A velocidade ideal é de ~ 4N, mas eu posso estar errado sobre isso.

De acordo com o pedido de Tom em seu comentário, adicionei meu código aqui, para referência. Acredito que a parte crítica da velocidade é usar 15 números por coluna, em vez de 5.

#!/bin/pypy
#
# TH @stackoverflow, 2016-01-20, linear time "median of medians" algorithm
#
import sys, random


items_per_column = 15


def find_i_th_smallest( A, i ):
    t = len(A)
    if(t <= items_per_column):
        # if A is a small list with less than items_per_column items, then:
        #
        # 1. do sort on A
        # 2. find i-th smallest item of A
        #
        return sorted(A)[i]
    else:
        # 1. partition A into columns of k items each. k is odd, say 5.
        # 2. find the median of every column
        # 3. put all medians in a new list, say, B
        #
        B = [ find_i_th_smallest(k, (len(k) - 1)/2) for k in [A[j:(j + items_per_column)] for j in range(0,len(A),items_per_column)]]

        # 4. find M, the median of B
        #
        M = find_i_th_smallest(B, (len(B) - 1)/2)


        # 5. split A into 3 parts by M, { < M }, { == M }, and { > M }
        # 6. find which above set has A's i-th smallest, recursively.
        #
        P1 = [ j for j in A if j < M ]
        if(i < len(P1)):
            return find_i_th_smallest( P1, i)
        P3 = [ j for j in A if j > M ]
        L3 = len(P3)
        if(i < (t - L3)):
            return M
        return find_i_th_smallest( P3, i - (t - L3))


# How many numbers should be randomly generated for testing?
#
number_of_numbers = int(sys.argv[1])


# create a list of random positive integers
#
L = [ random.randint(0, number_of_numbers) for i in range(0, number_of_numbers) ]


# Show the original list
#
# print L


# This is for validation
#
# print sorted(L)[int((len(L) - 1)/2)]


# This is the result of the "median of medians" function.
# Its result should be the same as the above.
#
print find_i_th_smallest( L, (len(L) - 1) / 2)
user5818263
fonte
3

Aqui o que eu criei durante este exercício na Codecademy:

def median(data):
    new_list = sorted(data)
    if len(new_list)%2 > 0:
        return new_list[len(new_list)/2]
    elif len(new_list)%2 == 0:
        return (new_list[(len(new_list)/2)] + new_list[(len(new_list)/2)-1]) /2.0

print median([1,2,3,4,5,9])
BynderRox
fonte
2

Função mediana

def median(midlist):
    midlist.sort()
    lens = len(midlist)
    if lens % 2 != 0: 
        midl = (lens / 2)
        res = midlist[midl]
    else:
        odd = (lens / 2) -1
        ev = (lens / 2) 
        res = float(midlist[odd] + midlist[ev]) / float(2)
    return res
Юрий Мойдом Киев
fonte
2

Eu tive alguns problemas com listas de valores flutuantes. Acabei usando um trecho de código do python3 Statistics.median e está funcionando perfeitamente com valores flutuantes sem importações. fonte

def calculateMedian(list):
    data = sorted(list)
    n = len(data)
    if n == 0:
        return None
    if n % 2 == 1:
        return data[n // 2]
    else:
        i = n // 2
        return (data[i - 1] + data[i]) / 2
Daniel
fonte
2
def midme(list1):

    list1.sort()
    if len(list1)%2>0:
            x = list1[int((len(list1)/2))]
    else:
            x = ((list1[int((len(list1)/2))-1])+(list1[int(((len(list1)/2)))]))/2
    return x


midme([4,5,1,7,2])
vk123
fonte
1

Eu defini uma função mediana para uma lista de números como

def median(numbers):
    return (sorted(numbers)[int(round((len(numbers) - 1) / 2.0))] + sorted(numbers)[int(round((len(numbers) - 1) // 2.0))]) / 2.0
Fred Beck
fonte
1
def median(array):
    if len(array) < 1:
        return(None)
    if len(array) % 2 == 0:
        median = (array[len(array)//2-1: len(array)//2+1])
        return sum(median) / len(median)
    else:
        return(array[len(array)//2])
Luke Willey
fonte
3
Embora esse código possa responder à pergunta, fornecer um contexto adicional a respeito de por que e / ou como esse código responde à pergunta melhora seu valor a longo prazo.
Rollstuhlfahrer
1
Eu sinto muito! Eu só comecei, Stack Overflow, e eu não sei como adicionar um resumo ....
Luke Willey
Clique no link "Editar" abaixo da sua postagem, adicione um resumo e salve.
Robert Columbia
1

mediana da função:

def median(d):
    d=np.sort(d)
    n2=int(len(d)/2)
    r=n2%2
    if (r==0):
        med=d[n2] 
    else:
        med=(d[n2] + data[m+1]) / 2
    return med
fati
fonte
1

Caso você precise de informações adicionais sobre a distribuição da sua lista, o método do percentil provavelmente será útil. E um valor mediano corresponde ao percentil 50 de uma lista:

import numpy as np
a = np.array([1,2,3,4,5,6,7,8,9])
median_value = np.percentile(a, 50) # return 50th percentile
print median_value 
Gabriel123
fonte
1

Uma função simples para retornar a mediana da lista fornecida:

def median(lsts):
        if len(lsts)%2 == 0:  #Checking if the length is even
            return (lsts[len(lsts)//2] + lsts[(len(lsts) - 1) //2]) //2 # Applying formula which is sum of middle two divided by 2
            
        else:
            return lsts[len(lsts)//2] # If length is odd then get middle value
            
        
median([2,3,5,6,10]) #Calling function

se você quiser usar a biblioteca, você pode simplesmente fazer;

import statistics

statistics.median([9, 12, 20, 21, 34, 80])
O AG
fonte
0
import numpy as np
def get_median(xs):
        mid = len(xs) // 2  # Take the mid of the list
        if len(xs) % 2 == 1: # check if the len of list is odd
            return sorted(xs)[mid] #if true then mid will be median after sorting
        else:
            #return 0.5 * sum(sorted(xs)[mid - 1:mid + 1])
            return 0.5 * np.sum(sorted(xs)[mid - 1:mid + 1]) #if false take the avg of mid
print(get_median([7, 7, 3, 1, 4, 5]))
print(get_median([1,2,3, 4,5]))
sim
fonte
0

Uma abordagem mais generalizada para mediana (e percentis) seria:

def get_percentile(data, percentile):
    # Get the number of observations
    cnt=len(data)
    # Sort the list
    data=sorted(data)
    # Determine the split point
    i=(cnt-1)*percentile
    # Find the `floor` of the split point
    diff=i-int(i)
    # Return the weighted average of the value above and below the split point
    return data[int(i)]*(1-diff)+data[int(i)+1]*(diff)

# Data
data=[1,2,3,4,5]
# For the median
print(get_percentile(data=data, percentile=.50))
# > 3
print(get_percentile(data=data, percentile=.75))
# > 4

# Note the weighted average difference when an int is not returned by the percentile
print(get_percentile(data=data, percentile=.51))
# > 3.04
conmak
fonte
-2

Aqui está a maneira tediosa de encontrar mediana sem usar a medianfunção:

def median(*arg):
    order(arg)
    numArg = len(arg)
    half = int(numArg/2)
    if numArg/2 ==half:
        print((arg[half-1]+arg[half])/2)
    else:
        print(int(arg[half]))

def order(tup):
    ordered = [tup[i] for i in range(len(tup))]
    test(ordered)
    while(test(ordered)):
        test(ordered)
    print(ordered)


def test(ordered):
    whileloop = 0 
    for i in range(len(ordered)-1):
        print(i)
        if (ordered[i]>ordered[i+1]):
            print(str(ordered[i]) + ' is greater than ' + str(ordered[i+1]))
            original = ordered[i+1]
            ordered[i+1]=ordered[i]
            ordered[i]=original
            whileloop = 1 #run the loop again if you had to switch values
    return whileloop
Eu gosto
fonte
Essa bolha é do tipo? Por quê?
Ry-
por que você está trocando valores?
Ravi tanwar #
-3

É muito simples;

def median(alist):
    #to find median you will have to sort the list first
    sList = sorted(alist)
    first = 0
    last = len(sList)-1
    midpoint = (first + last)//2
    return midpoint

E você pode usar o valor de retorno como este median = median(anyList)

Farhan
fonte
1
A mediana exige que você ordene sua matriz antes de encontrar o ponto médio.
Saurabh Jain
sListretorne a matriz classificada. Não retorna a mediana
Farhan