这是我的用例 - 它与小邻域分类有关，但它可能是在循环期间地面条件发生变化（各个区域的状态/分组发生变化）的任何事情，并且进一步的迭代必须与系统的新状态。
这个问题在这一点上比代码更具概念性，所以请耐心等待，因为没有可重复的例子。
我正在循环一小块区域。我在postgis中运行空间查询以获取所有相邻区域的列表。
每个区域都可以被视为群集的地理“种子”：如果每个种子的邻居满足特定大小标准，则将它们添加到列表中（群集“增长”）并分配群集ID。
修改：添加了详细信息
我的出发点是postgis中的人口普查区域，我查询相邻的区域。比方说，第1道有其邻居的第2,3,5和6栏。 这些小册子有许多属性，如就业和人口。因此，这里的想法是将第1道作为潜在的地理集群种子，并且，对于每个邻居，如果它们满足某些数据条件，则可以添加它们，可以是人口的大小。在这个例子中，假设我们添加了第2和第3，但没有第5和第6（它们的数量可能太小）。
种子1现在已经生长，还有两个小片。然后，我将联合这些，拥有更大的区域并查询原始的道路图层，用于现在更大的种子的邻居。重复直到没有符合标准的neigbors，然后移动到原始列表中的下一个区域。
这就是我遇到这个概念的问题：
所以从某种意义上说，我想在原始列表上运行一个循环，但每当我耗尽种子X的邻居列表时，它都会被修改和重新查询。下一次迭代，然后将面临一个新的状态地理系统。
我可以以线性方式执行此操作，重复代码块，但这并不理想。或许迭代是一个坏主意 - “走”列表，然后做
因此，将其归结为一个问题，如何设置状态更改的迭代，这与排序的典型list comprehensions不同，其中选项从一开始就根据一些初始状态标准完全枚举，后续测试是否反映了（地理）系统的新状态？
答案 0 :(得分：1)
问题似乎出现在“迭代”的定义中。类似的例子是细胞自动机的计算，其中世界更新是离散的和完整的。对此的标准方法是具有“下一次迭代”世界W_next，该世界是从世界W的“现在”状态创建的。这与您的示例阐述的单一世界方法完全不同。
在伪代码中，正确的方法是：
W = starting_world()
W_next = some_function_on(W)
W = W_next
这样做的好处是在分析整个世界W之前不将集群标记为集群。更明确地说，使用您的示例，在迭代1中，单元格（1,2,3）将被聚类，并且可能（5,6）已放置（9）或不放置。
如果您的群集规则是一致的，那么在迭代2中，您已经拥有了群集（1,2,3），然后您可以决定是否将5,6或者没有添加到该群集。