Question

我正在编写一个程序来模拟像Gallup或Rasmussen这样的公司每日发布的实际投票数据：www.gallup.com和www.rassmussenreports.com

我正在使用强力方法，计算机生成一些随机的每日轮询数据，然后计算三天平均值，以查看随机数据的平均值是否与民意测验数字相匹配。（大多数公司的民意调查都是三天平均值）

目前，它适用于一次迭代，但我的目标是让它产生与平均轮询数据匹配的最常见模拟。然后我可以将代码改为1到1000次迭代。

这是我的问题。在测试结束时，我在一个变量中有一个数组，如下所示：

[40.1, 39.4, 56.7, 60.0, 20.0 ..... 19.0]

程序当前为每个正确的模拟生成一个数组。 我可以将每个数组存储在一个变量中，但是我必须有一个程序可以生成1到1000个变量，具体取决于我请求的迭代次数！？

我该如何避免这种情况？我知道有一种智能的方法，不需要程序生成变量来存储数组，具体取决于我想要的模拟数量。

麦凯恩的代码测试：

 test = [] 

while x < 5: 

   test = round(100*random.random())

   mctest.append(test) 

   x = x +1 


mctestavg = (mctest[0] + mctest[1] + mctest[2])/3 

#mcavg is real data

if mctestavg == mcavg[2]: 
  mcwork = mctest

如何在不创建多个mcwork变量的情况下重复？

Answer 1

你在谈论这样做吗？

>>> a = [ ['a', 'b'], ['c', 'd'] ]
>>> a[1]
['c', 'd']
>>> a[1][1]
'd'

Answer 2

这样的事情会起作用吗？

from random import randint    

mcworks = []

for n in xrange(NUM_ITERATIONS):
    mctest = [randint(0, 100) for i in xrange(5)]
    if sum(mctest[:3])/3 == mcavg[2]:
        mcworks.append(mctest) # mcavg is real data

最后，您将获得有效mctest列表的列表。

我改变了什么：

使用list comprehension构建数据而不是for循环
使用random.randint获取随机整数
使用slices和sum计算前三项的平均值
（回答你的实际问题:-)）将结果放在列表mcworks中，而不是为每次迭代创建一个新变量

Answer 3

python中的列表可以包含任何类型的对象 - 如果我正确理解了这个问题，list list的{{1}}会做什么工作吗？这样的事情（假设你有一个创建数据的函数generate_poll_data()：

data = []

for in xrange(num_iterations):
    data.append(generate_poll_data())

然后，data[n]将成为(n-1)次运行的数据列表。

Answer 4

因为您正在考虑变量，您可能更喜欢列表中的字典：

data = {}
data['a'] = [generate_poll_data()]
data['b'] = [generate_poll_data()]

等

Answer 5

我强烈建议使用NumPy来执行此操作。您可以快速轻松地处理高效的N维数组。

Answer 6

一种整洁的方法是将列表列表与Pandas结合使用。然后，您可以创建3天的滚动平均值。只需将真实的结果添加到另一列中，然后使用loc函数查找匹配的结果，即可轻松搜索结果。

rand_vals = [randint(0, 100) for i in range(5))]
df = pd.DataFrame(data=rand_vals, columns=['generated data'])
df['3 day avg'] = df['generated data'].rolling(3).mean()
df['mcavg'] = mcavg # the list of real data
# Extract the resulting list of values
res = df.loc[df['3 day avg'] == df['mcavg']]['3 day avg'].values

如果您打算对不同的民意调查/人员使用相同的随机值，则只需添加另一列及其真实值并对它们执行相同的搜索，这也很方便。

在Python中存储多个数组

6 个答案: