Question

我有以下(x,y)个元组的列表：

[(0, 0), (36, 0), (0, 36), (4, 19), (19, 4), (36, 36)]

我要迭代x的最小x+1的元组和我要迭代y的最小y+1的元组。这将产生以下内容：

[(1, 1), (36, 1), (1, 36), (4, 19), (19, 4), (36, 36)]

由于最小的x和y均为0，因此我们将其更改为0+1。

从逻辑上讲，我想对最大的x和y =>执行类似的操作，将最大的x更改为x-1，最大的y更改为y-1。

执行这两项更改后的最终输出应为：

[(1, 1), (35, 1), (1, 35), (4, 19), (19, 4), (35, 35)]

最有效的执行方式是什么？我将使用包含超过1000个元素的列表，因此时间效率是关键。

Answer 1

首先找到最小的x和y值。

>>> lst = [(0, 0), (36, 0), (0, 36), (4, 19), (19, 4), (36, 36)]
>>> min_x = min(x for x, y in lst)
>>> min_y = min(y for x, y in lst)
>>> min_x
>>> 0
>>> min_y
>>> 0

然后，对lst进行迭代，并将1添加到等于其各自最小值的每个坐标。

>>> lst = [(x + (x == min_x), y + (y == min_y)) for x, y in lst]
>>> lst
>>> [(1, 1), (36, 1), (1, 36), (4, 19), (19, 4), (36, 36)]

请注意，将True添加到数字上会添加1，将False添加到数字上会添加零，例如

>>> 36 + True
>>> 37
>>> 36 + False
>>> 36

您可以使用内置的max以类似的方式处理问题的第二部分。

Answer 2

最有效的执行方式是什么？

这是一个很好的示例，如果您可以使用第三方库，矢量化操作将很有帮助。例如，使用Pandas，您可以将布尔索引与列配合使用：

import pandas as pd

L = [(0, 0), (36, 0), (0, 36), (4, 19), (19, 4), (36, 36)]

df = pd.DataFrame(L)

for col in df:
    df.loc[df[col].eq(df[col].min()), col] += 1

print(list(map(tuple, df.values)))

[(1, 1), (36, 1), (1, 36), (4, 19), (19, 4), (36, 36)]

也就是说，〜1000个元素是一个相对较小的数字，所以没有保证熊猫的结构开销将被矢量化收益所抵消。

Python-对元组列表的最大值/最小值进行更改

2 个答案: