求编程中的中位数主要有以下几种方法：
排序法
步骤：
1. 将数组进行排序。
2. 判断数组长度的奇偶性。
3. 根据奇偶性计算中位数。
代码示例（Python）：
```python
def median_sort（data）:
sorted_data = sorted（data）
n = len（sorted_data）
if n % 2 == 0:
median = （sorted_data[n//2 - 1] + sorted_data[n//2]） / 2
else:
median = sorted_data[n//2]
return median
```
统计法
步骤：
1. 统计每个数值出现的次数。
2. 根据频次信息计算中位数。
代码示例（Python）：
```python
from collections import Counter
def median_counter（data）:
counter = Counter（data）
sorted_data = sorted（counter.elements（））
n = len（sorted_data）
if n % 2 == 0:
median = （sorted_data[n//2 - 1] + sorted_data[n//2]） / 2
else:
median = sorted_data[n//2]
```
快速选择算法
步骤：
1. 使用快速选择算法找到数组中第k小的元素。
2. 如果数组长度为奇数，中位数就是第（n//2）小的元素；如果数组长度为偶数，中位数是第（n//2）和第（n//2 - 1）小元素的平均值。
代码示例（Python）：
```python
def quick_select（data, k）:
if len（data） == 1:
return data
pivot = data[len（data） // 2]
lows = [el for el in data if el < pivot]
highs = [el for el in data if el > pivot]
pivots = [el for el in data if el == pivot]
if k < len（lows）:
return quick_select（lows, k）
elif k < len（lows） + len（pivots）:
return pivots
else:
return quick_select（highs, k - len（lows） - len（pivots））
def median_quick_select（data）:
n = len（data）
if n % 2 == 1:
return quick_select（data, n // 2）
else:
return （quick_select（data, n // 2 - 1） + quick_select（data, n // 2）） / 2
```
使用标准库函数
步骤：
1. 使用标准库中的排序函数对数据进行排序。
2. 根据数组长度的奇偶性计算中位数。
代码示例（Python）：
```python
import statistics
def median_statistics（data）:
return statistics.median（data）
```
建议
排序法是最直观的方法，但时间复杂度为O（n log n）。
统计法适用于数据量较大且需要频繁更新中位数的情况，但需要额外的空间来存储频次信息。
快速选择算法在平均情况下具有O（n）的时间复杂度，适用于需要快速计算中位数的场景。
使用标准库函数是最简单的方法，但可能不如自己实现算法灵活。
根据具体需求和数据量大小，可以选择最适合的方法来计算中位数。