Question

鉴于以下情况，我的街道很长。街上的每个房子都有一些孩子。如果我按顺序在每个房子中按顺序追加孩子的数量，我可以得到一些数组：

x = [1,1,1,1,2,2,2,2,1,1,1,1,3,3,3,2,1,1,1,1,2,2,2,2]

我想在位置上确定家庭聚集的区域，即我想将2组合在一起，将3组合在一起，以及将2组合在一起。通常在1D数据上我会排序，确定差异，并找到1,2和3的集群。但是在这里，我想保持这些值的索引作为一个因素。所以我想最终将群集识别为：

index: value
0-4 :  1
5-8:   2
9-12:  1
13-16: 3
17-20: 1
21-24: 2

我已经看到用于此检测的均值偏移，并希望在python中实现它。我也看过内核密度函数。有谁知道如何在python中实现这个？

编辑：为了弄清楚，我简化了问题。在每个整数集群中，我试图解决的实际问题是围绕该整数值的高斯分布值。所以我会有一个更像的列表：

x = [0.8, 0.95, 1.2, 1.3, 2.2, 1.6, 1.9, 2.1, 1.1, .7, .9, .9, 3.4, 2.8, 2.9, 3.0, 1.1, 1.0, 0.9, 1.2, 2.2, 2.1, 1.7, 12.0]

Answer 1

一种简单的方法：

x = [0.8, 0.95, 1.2, 1.3, 2.2, 1.6, 1.9, 2.1, 1.1, .7, .9, .9, 3.4, 2.8, 2.9, 3.0, 1.1, 1.0, 0.9, 1.2, 2.2, 2.1, 1.7, 12.0]
cluster = []
for i, v in enumerate(x):
    v = round(v)
    if not cluster or cluster[-1][2] != v:
        cluster.append([i, i, v])
    else:
        cluster[-1][1] = i

这会产生一个[start, end, value]列表列表：

[[ 0,  3, 1],
 [ 4,  7, 2],
 [ 8, 11, 1],
 [12, 14, 3],
 [15, 15, 2],
 [16, 19, 1],
 [20, 23, 2]]

您想要的输出不是从零开始的，因此索引看起来有点不同

修改：

更新了问题的更新版本的算法

集群顺序数据

1 个答案: