Question

我有一个值列表，看起来可能像这样：[500,501,809,702,808,807,703,502,499]，我只想将每个数字的第一个实例保持在一定距离内。换句话说，我想获取列表：[500,809,702]，因为其他数字与这些数字相距一定距离。因此它将保留500，由于太近而跳过501，由于远离已选择的值而保留809，保留702等。

这是我当前的解决方案：

vals = ... #the original data
result = []
tolerance = 50
for i in vals:
    if not len(np.where(np.abs(result - i) < tolerance)[0]):
        results.append(i)

这很好用，但是对于我的目的来说太慢了（我正在处理列表中的240万个元素）。是否有解决此问题的有效方法？谢谢！

编辑：为澄清起见，我需要保留每个组的 first 元素，而不是最小的元素（即，在以上示例中，[499, 702, 807]不会是有效的结果），因此排序可能没有太大帮助。

Answer 1

vals = [500,501,809,702,808,807,703,502,499]
close_set = set()
tolerance = 5
result = []
for e in vals:
    if e in close_set:
        continue
    else:
        result.append(e)
        close_set.update([*range(e-tolerance, e+tolerance+1)])

print(result)  # [500, 809, 702]

这应该相当快（我在1,000,000个元素的列表上对其进行了测试，并且花费了大约3秒钟）。对于列表中的每个元素，您可以通过检查一组闭合数字（即O（1））中的成员资格来检查以前是否已看到闭合值。如果不是，则将其添加到结果中，然后更新收盘价集。

Answer 2

更好的解决方案是使用http://www.grantjenks.com/docs/sortedcontainers/index.html中的SortedSet。

在插入元素之前，请检查irange_key中的所有值+- tolerance。如果没有任何内容，则添加此元素。

此解决方案应该比已经建议的close_set方法至少快一个数量级，并且在内存使用方面也要好一个数量级。另外，如果您需要的话，它将适用于浮点数和整数。

仅保留远距离值的高效算法

2 个答案: