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。
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
下载
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
-
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。
立即学习“Python免费学习笔记（深入）”；
- 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
中位数看着简单，但数据类型、缺失值、内存模型、精度要求这四点一叠，很容易在交接处出问题。特别是跨库传递数据时，别假设「方法名一样，行为就一样」。
