python - 每次值列表中的符号变化时计算差异

Question

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)

Answer 1

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!