Skip to main content
 首页 » 编程设计

python之在 python 中使用条件控制变量过滤数组以创建 numpy 矩阵

2024年11月01日10emanlee

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)

这样的东西

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。