好吧,让我们想象一下我有一个像这样的值列表:
list = [-0.23, -0.5, -0.3, -0.8, 0.3, 0.6, 0.8, -0.9, -0.4, 0.1, 0.6]
我想在这个列表上循环,当符号改变时得到第一个区间的最大值(如果为负则为最小值)与下一个区间的最大值(如果为负则为最小值)之间的绝对差值。
例如在前面的列表中,我们希望得到这样的结果:
[1.6, 1.7, 1.5]
棘手的部分是它还必须适用于以下列表:
list = [0.12, -0.23, 0.52, 0.2, 0.6, -0.3, 0.4]
哪个会返回:
[0.35, 0.83, 0.9, 0.7]
这很棘手,因为有些间隔的长度是 1 个值,我很难管理它。
如何用尽可能少的行数解决这个问题?
这是我当前的代码,但目前无法正常工作。
list
是 6 个列表的列表,其中这 6 个列表中的每一个都包含一个 nan,否则一个 np.array 的 1024 个值(我想要评估的值)
Hmax = []
for c in range(0,6):
Hmax_tmp = []
for i in range(len(list[c])):
if(not np.isnan(list[c][i]).any()):
zero_crossings = np.where(np.diff(np.sign(list[c][i])))[0]
if(not zero_crossings[0] == 0):
zero_crossings = [0] + zero_crossings.tolist() + [1023]
diff = []
for j in range(1,len(zero_crossings)-2):
if
diff.append(max(list[c][i][np.arange(zero_crossings[j-1],zero_crossings[j])].min(), list[c][i][np.arange(zero_crossings[j]+1,zero_crossings[j+1])].max(), key=abs) - max(list[c][i][np.arange(zero_crossings[j+1],zero_crossings[j+2])].min(), list[c][i][np.arange(zero_crossings[j+1],zero_crossings[j+2])].max(), key=abs))
Hmax_tmp.append(np.max(diff))
else:
Hmax_tmp.append(np.nan)
Hmax.append(Hmax_tmp)
最佳答案
使用itertools.groupby
可以大大简化这种类型的分组操作.例如:
>>> from itertools import groupby
>>> lst = [-0.23, -0.5, -0.3, -0.8, 0.3, 0.6, 0.8, -0.9, -0.4, 0.1, 0.6] # the list
>>> minmax = [min(v) if k else max(v) for k,v in groupby(lst, lambda a: a < 0)]
>>> [abs(j-i) for i,j in zip(minmax[:-1], minmax[1:])]
[1.6, 1.7000000000000002, 1.5]
第二个列表:
>>> lst2 = [0.12, -0.23, 0.52, 0.2, 0.6, -0.3, 0.4] # the list
>>> minmax = [min(v) if k else max(v) for k,v in groupby(lst2, lambda a: a < 0)]
>>> [abs(j-i) for i,j in zip(minmax[:-1], minmax[1:])]
[0.35, 0.83, 0.8999999999999999, 0.7]
所以在这里,列表被分组为连续的负值/正值区间。 min
/max
为每个组计算并存储在列表 minmax
中。最后,列表理解找到差异。
请原谅 float 的不精确表示!
关于python - 每次值列表中的符号变化时计算差异,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/34153761/