无需for循环快速计算矩阵每行中位数并添加至列表的方法

Python原生for循环在处理大数据量时，确实会因为解释器的循环开销拖慢速度，这里给你两个更高效的替代方案：

方案一：用NumPy的向量化操作（推荐大数据量场景） #

NumPy的底层是C实现的向量化运算，能避开Python循环的性能瓶颈，处理大规模矩阵时速度提升非常明显。

代码示例：

import numpy as np

# 你的原始矩阵
data_matrix = [
    [2,4,5,6,4],
    [5,6,5,6,4],
    # 更多行数据...
]

# 把列表矩阵转为NumPy数组
np_matrix = np.array(data_matrix)
# 指定axis=1按行计算中位数，最后转成Python列表（如果需要的话）
medians = np.median(np_matrix, axis=1).tolist()

方案二：列表推导式（小数据量可选） #

如果不想引入NumPy依赖，列表推导式的语法比普通for循环更简洁，且因为减少了函数调用的额外开销，速度会比你当前的循环略快一点，但本质还是循环，大数据量下性能提升有限。

代码示例：

from statistics import median

medians = [median(row) for row in data_matrix]

内容的提问来源于stack exchange，提问作者AxieKendy