如何获得张量/矩阵中列正元素的中位数？答案

【问题标题】：How to get median of column positive elements in a tensor/matrix?如何获得张量/矩阵中列正元素的中位数？
【发布时间】：2018-09-24 07:52:05
【问题描述】：

具体给定一个二维矩阵，如何求每列正元素的中位数？

从数学上讲：返回 B，其中B[i] = median({A[j, i] | A[j, i] > 0})

我知道中位数可以由tf.contrib.distributions.percentile计算得出

tf.boolean_mask(A, tf.greater(A, 0)) 输出一维列表而不是矩阵。

【问题讨论】：

标签： python tensorflow conditional-statements distribution median

【解决方案1】：

由于我不知道稀疏矩阵的任何中值函数，因此想到的唯一替代方法是遍历列，例如使用tf.map_fn():

import tensorflow as tf

A = tf.convert_to_tensor([[ 1, 0,  20, 5],
                          [-1, 1,  10, 0],
                          [-2, 1, -10, 2],
                          [ 0, 2,  20, 1]])


positive_median_fn = lambda x: tf.contrib.distributions.percentile(tf.boolean_mask(x, tf.greater(x, 0)), q=50)
A_t = tf.matrix_transpose(A) # tf.map_fn is applied along 1st dim, so we need to transpose A
res = tf.map_fn(fn=positive_median_fn, elems=A_t)

with tf.Session() as sess:
    print(sess.run(res))
# [ 1  1 20  2]

注意：这个 sn-p 不包括列不包含正元素的情况。如果输入张量为空，tf.contrib.distributions.percentile() 将返回错误。例如，可以使用tf.boolean_mask(x, tf.greater(x, 0)) 形状的条件（例如使用tf.where()）

【讨论】：

【解决方案2】：

您可以像这样遍历列切片并进行过滤。

inputlist = [[5 , -10 ] ,
           [10 , 3 ] ,
           [15 , -5 ]]

x = tf.Variable(initial_value=inputlist)

sess = tf.Session()
sess.run(tf.global_variables_initializer())

for i in range(x.get_shape().as_list()[1]) : #loop over columns
    print( sess.run(tf.contrib.distributions.percentile(tf.gather(x[:,i],
                                                                     tf.where(tf.greater(x[:,i],
                                                                                         0))),
                                                        50.0)))

【讨论】：