Question

我有一个列表需要拆分成多个不同大小的列表。原始列表中的值随大小逐渐增加，直到分割点，其中值在继续增加之前下降。拆分后，这些值必须保持有序。

E.g。原始列表

[100, 564, 572, 578, 584, 590, 596, 602, 608, 614, 620, 625, 631, 70, 119, 
125, 130, 134, 139, 144, 149, 154, 159, 614, 669, 100, 136, 144, 149, 153, 
158, 163, 167, 173, 179, 62, 72, 78, 82, 87, 92, 97, 100, 107, 112, 117, 
124, 426, 100, 129, 135, 140, 145, 151]

分手后：

[100, 564, 572, 578, 584, 590, 596, 602, 608, 614, 620, 625, 631]
[70, 119, 125, 130, 134, 139, 144, 149, 154, 159, 614, 669]
[100, 136, 144, 149, 153, 158, 163, 167, 173, 179]
[62, 72, 78, 82, 87, 92, 97, 100, 107, 112, 117, 124, 426]
[100, 129, 135, 140, 145, 151]

我搜索了一个解决方案，发现numpy.where和numpy.diff可能是候选人，但我不确定如何实施。

感谢您的帮助！

Answer 1

方法＃1

使用NumPy的numpy.split将数组列表作为输出 -

import numpy as np

arr = np.array(a) # a is input list
out = np.split(arr,np.flatnonzero(arr[1:] < arr[:-1])+1)

方法＃2

使用循环理解直接拆分列表，从而避免numpy.split以提高效率 -

idx = np.r_[0, np.flatnonzero(np.diff(a)<0)+1, len(a)]
out = [a[idx[i]:idx[i+1]] for i in range(len(idx)-1)]

给定样本的输出 -

In [52]: idx = np.r_[0, np.flatnonzero(np.diff(a)<0)+1, len(a)]

In [53]: [a[idx[i]:idx[i+1]] for i in range(len(idx)-1)]
Out[53]: 
[[100, 564, 572, 578, 584, 590, 596, 602, 608, 614, 620, 625, 631],
 [70, 119, 125, 130, 134, 139, 144, 149, 154, 159, 614, 669],
 [100, 136, 144, 149, 153, 158, 163, 167, 173, 179],
 [62, 72, 78, 82, 87, 92, 97, 100, 107, 112, 117, 124, 426],
 [100, 129, 135, 140, 145, 151]]

我们在这里使用np.diff，在这种情况下以列表形式提供，然后计算差异。因此，更好的替代方案是转换为数组，然后使用它的移位切片之间的比较，而不是实际计算微分值。因此，我们也可以像这样idx -

arr = np.asarray(a)
idx = np.r_[0, np.flatnonzero(arr[1:] < arr[:-1])+1, len(arr)]

让我们来看看它是否有任何进步 -

In [84]: a = np.random.randint(0,100,(1000,100)).cumsum(1).ravel().tolist()

In [85]: %timeit np.r_[0, np.flatnonzero(np.diff(a)<0)+1, len(a)]
100 loops, best of 3: 3.24 ms per loop

In [86]: arr = np.asarray(a)

In [87]: %timeit np.asarray(a)
100 loops, best of 3: 3.05 ms per loop

In [88]: %timeit np.r_[0, np.flatnonzero(arr[1:] < arr[:-1])+1, len(arr)]
10000 loops, best of 3: 77 µs per loop

In [89]: 3.05+0.077
Out[89]: 3.127

因此，转换和比较方法与转换相比有一个微小的改进：np.asarray(a) 吃饭大部分运行时。

Answer 2

我知道你标记了numpy。但这是一个没有任何依赖性的实现：

lst = [100, 564, 572, 578, 584, 590, 596, 602, 608, 614, 620, 625, 631, 70, 119, 
125, 130, 134, 139, 144, 149, 154, 159, 614, 669, 100, 136, 144, 149, 153, 
158, 163, 167, 173, 179, 62, 72, 78, 82, 87, 92, 97, 100, 107, 112, 117, 
124, 426, 100, 129, 135, 140, 145, 151]

def split(lst):
  last_pos = 0
  for i in range(1, len(lst)):
    if lst[i] < lst[i-1]:
      yield lst[last_pos:i]
      last_pos = i
  if(last_pos <= len(lst)-1):
    yield lst[last_pos:]

print([x for x in split(lst)])

Answer 3

如果您想使用numpy.diff和numpy.where，可以尝试

a = numpy.array(your original list)
numpy.split(a, numpy.where(numpy.diff(a) < 0)[0] + 1)

说明：

numpy.diff(a)计算每个项目及其前一个项目的差异，并返回一个数组。

numpy.diff(a) < 0返回一个布尔数组，其中每个元素都被它是否满足谓词所取代，在这种情况下小于零。这是numpy.ndarray重载比较运算符的结果。

numpy.where接受此布尔数组并返回元素不为零的索引。在此上下文中，False的计算结果为零，因此您可以使用True。

的索引

[0]采用第一个（也是唯一的）轴

+ 1你想在指数之后而不是在

之前中断

最后，numpy.split在给定的索引处将它们分开。

Python - 根据数组值将数组拆分为多个数组

3 个答案: