不使用numpy内置函数实现滑动窗口运行中位数报索引错误如何解决

错误原因 #

• 边界窗口长度异常：原代码的边缘位置窗口判断逻辑存在计算误差，部分边缘位置取到的窗口长度为偶数，循环同时删除最大值和最小值时，偶数个元素最终会被完全删空，下一轮循环查找最值索引时操作空数组，直接触发索引越界错误。
• 循环终止条件有误：原代码用sml != lrg作为循环继续的判断依据，没有额外判断窗口剩余元素长度，当窗口被删空后仍会进入循环，此时遍历时不会给pos_lrg、pos_sml赋值，调用np.where操作空数组直接返回空结果，取[0,0]就会抛出对应报错。
• 最值索引查找逻辑冗余：遍历窗口元素时完全可以同步记录最值对应的索引，不需要额外调用np.where，既降低性能也增加了空数组操作的风险。

修复代码 #

import numpy as np

# Data_Vel为输入的速度观测数组，需提前定义
winlen = 9 # 窗口长度，必须为正奇数
half_win = (winlen - 1) // 2
data_len = len(Data_Vel)
Vel_Med = np.zeros(data_len) # 提前初始化数组比每次append效率更高

for pos in range(data_len):
    # 确定窗口的左右边界，保证不会越界且逻辑统一
    left = max(0, pos - half_win)
    right = min(data_len, pos + half_win + 1)
    window = Data_Vel[left:right].copy() # 拷贝窗口数据避免修改原数组
    
    # 循环删除最大最小值直到剩余1个元素即为中位数
    while len(window) > 1:
        max_val = -np.inf
        max_idx = 0
        min_val = np.inf
        min_idx = 0
        # 单次遍历同时查找最大值、最小值及对应索引
        for idx, num in enumerate(window):
            if num > max_val:
                max_val = num
                max_idx = idx
            if num < min_val:
                min_val = num
                min_idx = idx
        # 先删除索引更大的元素，避免索引偏移导致删错
        if max_idx > min_idx:
            window = np.delete(window, max_idx)
            window = np.delete(window, min_idx)
        else:
            window = np.delete(window, min_idx)
            window = np.delete(window, max_idx)
    
    Vel_Med[pos] = window[0]

关键优化说明 #

• 边界计算用max和min直接截断，保证窗口始终在数组范围内，不会出现长度异常的问题
• 用len(window) > 1作为循环终止条件，彻底避免空数组操作
• 删除元素时优先删除索引更大的元素，避免先删小索引导致大索引偏移删错元素
• 提前初始化结果数组，比每次调用np.append效率高很多，更适合长序列处理

内容的提问来源于stack exchange，提问作者OceanMan8421