在python中过滤带有条件控制变量的数组以创建numpy矩阵
在python中过滤带有条件控制变量的数组以创建numpy矩阵
提问于 2014-02-20 20:47:45
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如你所见，我有一个函数，给我给定列表的位置。只需过滤它。所以我知道numpy.matrix不应该这样调用，这不可能是创建numpy.matrix的正确方法。但是对于那些条件控制变量，如minindex和maxindex，我不能使用map、lambda或filter。
通过填充控制变量以函数方式创建numpy.matrix的正确方法是什么？
编辑:我只是想使用类似于positions = map(get_positions, values)的东西
回答 1
Stack Overflow用户
回答已采纳
发布于 2014-02-21 19:36:25
我不确定这是否正是您所要寻找的，但是可以在这里使用来自functools的functools来积累依赖于输入列表的“过去”值的状态。一旦计算出与每个输入对应的状态列表，就可以使用filter消除不想要的条目，并最终使用map提取所需的信息。
还请注意使用enumarate将索引注入列表。
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))))当您运行此程序时，states将保存
[{'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，可以在注释中追加一个[0, 0]以匹配您想要的输出。
还要特别注意1:在reduce调用的末尾，它移除了我注入的初始状态。
最后，您可以在calc_diff中添加阈值筛选条件，并避免稍后的筛选步骤，但我发现这种方法更灵活一些。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/21919223
复制相关文章
相似问题
腾讯云开发者
