Python怎么查找列表中位数_中位数获取的多种高级数据结构解法-Python教程-PHP中文网

statistics.median 最快但限制多：仅支持数值型可索引序列，不接受None、字符串、迭代器或空列表；手写时sorted()性能差，nums.sort()改原列表，numpy.median需权衡依赖与精度。

python怎么查找列表中位数_中位数获取的多种高级数据结构解法

用 `statistics.median` 最快，但要注意输入类型

Python 标准库的 statistics.median 是最直接的解法，它自动处理奇偶长度、排序和类型校验。但它不接受 None、字符串混入数字、或生成器——遇到就抛 TypeError: unsupported operand type(s) 或 StatisticsError。

只支持 list、tuple、range 等可索引的序列，不能传 map 或 filter 返回的迭代器
元素必须全为数值（int、float、Decimal），混入 '1' 字符串会报错
空列表触发 StatisticsError: no median for empty data，得自己兜底

示例：

from statistics import median
median([3, 1, 4, 1, 5])  # → 3
median([2, 4])           # → 3.0（返回 float，即使输入是 int）

手写中位数逻辑时，`sorted()` 和 `list.sort()` 性能差一倍

很多人直接 sorted(nums)[len(nums)//2]，看起来简洁，但每次调用都新建列表、全量排序，时间复杂度 O(n log n)，空间 O(n)。如果只是查一次还行；高频调用或数据量大（>10⁴ 元素），明显拖慢。

用 nums.sort() 原地排序再取索引，省掉一半内存分配，但会改原始列表——如果你后续还要用原顺序，这就埋雷
真正想兼顾性能与安全？先 nums_copy = nums.copy() 再 sort()，比 sorted() 快约 15%～20%，尤其在小列表（
注意：len(nums)//2 对偶数长度只取下中位，要完整中位需手动算平均值，别漏了分支

示例：

def median_manual(nums):
    if not nums:
        raise ValueError("empty list")
    s = sorted(nums)
    n = len(s)
    if n % 2 == 1:
        return s[n//2]
    else:
        return (s[n//2 - 1] + s[n//2]) / 2

大数据量别硬排：用 `heapq.nsmallest` 或 `numpy.median`

当列表超 10⁵ 元素，或者你只需要中位数、不关心整个有序序列，全排序就是浪费。这时候两种替代路径更合理：

macOS UI 自动化技能包 —— 用 Python 控制你的 Mac

让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限

下载

heapq.nsmallest(k, nums) 可以在 O(n log k) 时间内拿到最小的 k 个数。对中位数，k ≈ n//2，实际性能不一定赢过 sorted，但内存稳定在 O(k)，适合内存受限场景
numpy.median 底层用 C 实现，对 >10⁴ 数字数组快 3～5 倍，且自动处理 NaN（用 nan_policy='omit'），但引入 numpy 依赖，且把纯 Python 列表转成 np.array 有初始化开销
注意：numpy.median 默认返回 float64，哪怕输入是 int32；如需保持整型精度，得手动 cast 或用 np.quantile(..., interpolation='lower')

示例：

import numpy as np
np.median([1, 2, 3, 4])  # → 2.5（float64）
# 不想转 float？得自己截断或用 int(np.median(...))，但可能丢精度

自定义类或 pandas Series 调用 `.median()` 时，行为不一致

看似统一的方法名，背后逻辑常被忽略：pandas.Series.median() 默认跳过 NaN，而 statistics.median 遇到 NaN 直接报错；自定义类若实现 __getitem__ 和 __len__，但没重载 median，调用 statistics.median 仍会失败。

pandas 中 Series([1, 2, np.nan]).median() → 1.5；同数据喂给 statistics.median 就炸
如果你封装了带单位的数值类（比如 Quantity），即使它支持比较和索引，statistics.median 仍可能因内部用 len() + __getitem__ + 排序逻辑失败，报 TypeError: '
安全做法：显式转成 list 或 numpy array 再算，别依赖鸭子类型自动适配