import numpy as np
def get_positions(values, mintreshold=0.1):
maxindex = 0
result_row = np.zeros(np.shape((0, 0)), dtype=int)
result = np.matrix(result_row)
result_index = 0
for index in xrange(len(values)):
diff = values[maxindex] - values[index]
if diff < 0:
maxindex = index
elif diff >= mintreshold:
result[result_index, 1] = index
result = np.vstack((result, result_row))
result_index += 1
return result
如您所见,我有一个函数,它给我给定列表的位置。简单过滤一下。 所以我知道 numpy.matrix 不应该这样调用,这不是创建 numpy.matrix 的正确方法。但是对于那些条件控制变量,例如 minindex 和 maxindex 我不能使用 map、lambda 或 过滤器。
通过填充控制变量以功能方式创建 numpy.matrix 的正确方法是什么?
编辑: 只是我想使用像 positions = map(get_positions, values)
请您参考如下方法:
我不确定这是否正是您要查找的内容,但是可以在此处使用 functools 中的 reduce 来累积依赖于“过去”的状态输入列表的值。一旦计算出对应于每个输入的状态列表,就可以使用 filter 去除不需要的条目,最后使用 map 提取信息你在追求。
另请注意使用 enumarate 将索引注入(inject)列表。
from functools import reduce
def calc_diff(state, val):
max=state[-1]['max']
diff=max-val
if (diff<0): max=val
state.append({'max': max, 'diff': diff})
return state
in_list=[1,2,1,2,3,1]
states=reduce(calc_diff, in_list, [{'max': 0}])[1:]
result=list(map(lambda s: [0, s[0]], filter(lambda s: s[1]['diff']>0.1, enumerate(states))))
当你运行它时,状态将保持
[{'diff': -1, 'max': 1},
{'diff': -1, 'max': 2},
{'diff': 1, 'max': 2},
{'diff': 0, 'max': 2},
{'diff': -1, 'max': 3},
{'diff': 2, 'max': 3}]
结果将是 [[0, 2], [0, 5]]。如果您愿意,可以在注释中附加 [0, 0] 以匹配您想要的输出。
还要特别注意 reduce 调用末尾的 [1:],它删除了我注入(inject)的初始状态。
最后提醒一下,可以在calc_diff中加入threshold这个过滤条件,避免后面的过滤步骤,不过我觉得这种方式更灵活一些。
