为简单起见，假设我有一个X，Y坐标列表。 X的限制范围是0-100 mm，Y的范围是0-inf mm。每次迭代都会收到一个新的坐标列表。将所有从Y到最后一个Y的差值大于可配置值（例如300M）的坐标都从列表中删除。
我需要找到一种算法，可以帮助我选择模式中重复的所有坐标。
我有解决这个问题的方法，但是我更喜欢一种“方法上的”方法。
例如，假设我有一个包含以下坐标（X，Y）的列表： （2，9），（2，18），（2，27），（2，54），（2，63），... Y增量配置为9mm。
除第三和第四坐标之间外，几乎所有Y增量均为9。这些坐标丢失了，但仍然是一个模式，算法应该能够分辨出所有这些坐标都来自同一模式。
另一个例子： （2，9），（2，13），（2，18），（2，22），（2，27），（2，54），（2，63），...
在这里，我希望得到与第一个示例相同的结果，即使有更多的坐标不属于模式。
我需要能够准确知道所检测到的模式中的坐标。
答案 0 :(得分：2)
第一个示例的变化量是
9 9 27 9
您会发现，最频繁的是9，它是27的除数，并且出于善意，您可以推断出缺少两个数据点。
第二个增量是
-5 14 4 5 27 9
在那儿看到图案毫无意义。
答案 1 :(得分：0)
从我所看到的，您想要的模式是小移位增量和GCD。由于第一个示例可以很快解决，因此让我们来看第二个示例。
9, 13, 18, 22, 27, 54, 63
在这里，shift-1（例如13-9、54-27）和shift-2（18-9、54-22）是增量
4, 5, 4, 5, 27, 9
9, 9, 9, 32, 36
以及这些相邻增量（例如（4,5），（27,9）或（9，9））的GCD是
1, 1, 1, 1, 9
9, 9, 1, 1
这使9成为一个非常有可能的怀疑者，它是列表中唯一的非统一性值。第二遍寻找9的倍数将很容易揭示这些值的优势。不合格值将被删除； 9的倍数表示我们需要估算缺失值。
您可以使用自己喜欢的语言对这些搜索进行硬编码。许多现代语言都有一个或两个软件包，它们可以用一个简单的运算符来处理这种变化。在Python中，numpy和pandas都会做到这一点。
你能从那里拿走吗？