我的列表
L = [0, 23, 234, 89, None, 0, 35, 9]
当我运行这个:
L = filter(None, L)
我得到了这个结果
[23, 234, 89, 35, 9]
但这不是我需要的,我真正需要的是:
[0, 23, 234, 89, 0, 35, 9]
因为我正在计算数据的百分位数而且0会产生很大的差异.
如何在不删除0值的情况下从列表中删除None值？
我需要过滤一个数组来删除低于某个阈值的元素.我目前的代码是这样的:
threshold = 5
a = numpy.array(range(10)) # testing data
b = numpy.array(filter(lambda x: x >= threshold, a))
问题是这会创建一个临时列表,使用带有lambda函数的过滤器(慢).
由于这是一个非常简单的操作,也许有一个numpy函数以有效的方式完成它,但我一直无法找到它.
我认为实现这一目标的另一种方法可能是对数组进行排序,找到阈值的索引并从该索引返回切片,但即使这对于小输入来说会更快(并且无论如何都不会引人注意) ),随着输入大小的增加,其最终渐近渐弱的效率.
有任何想法吗？谢谢!
更新:我也进行了一些测量,当输入为100.000.000个条目时,排序+切片仍然比纯python过滤器快两倍.
In [321]: r = numpy.random.uniform(0, 1, 100000000)
In [322]: %timeit test1(r) # filter
1 loops, best of 3: 21.3 s per loop
In [323]: %timeit test2(r) # sort and slice
1 loops, best of 3: 11.1 s per loop
In [324]: %timeit test3(r) # boolean indexing
1 loops, best of 3: 1.26 s per loop
各种Python指南说使用x is None而不是x == None.这是为什么？等式用于比较值,因此看起来是否x具有值None表示是否自然,用==和不用表示is.有人可以解释为什么is是首选形式,并显示一个例子,其中两个不给出相同的答案？
谢谢.