每次符号在值列表中更改时计算差异

Question

好吧,让我们假设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(如果它是负的最小值)和下一个区间的最大值(如果它是负的则)的绝对差值.

例如,在上一个列表中,我们希望得到如下结果:

[1.6, 1.7, 1.5]

棘手的部分是它必须也适用于以下列表:

list = [0.12, -0.23, 0.52, 0.2, 0.6, -0.3, 0.4]

哪个会回归:

[0.35, 0.83, 0.9, 0.7]

这很棘手,因为有些时间间隔长了1个值,而且我在管理它时遇到了困难.

你会用尽可能少的线数来解决这个问题？

---

这是我目前的代码,但目前还没有工作.

list 是一个包含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,否则是一个包含1024个值的np.array(我要评估的值)

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

使用可以大大简化这种类型的分组操作itertools.groupby.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]

第二个清单:

>>> 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,列表被分组为负/正值的连续间隔.的min/ max计算每个组和存储在列表中minmax.最后,列表理解发现了差异.

请原谅浮点数的不精确表示!