Я искал googled, я протестировал, и это имеет меня в конце моего ума. У меня есть список чисел, которые мне нужно группировать по сходству. Например, в список из [1, 6, 9, 100, 102, 105, 109, 134, 139], 1 6 9 будет внесен список, 100, 102, 105 и 109 будут помещены в список и 134 и 139. Я ужасен в математике, и я пробовал и пробовал это, но я не могу заставить его работать. Чтобы быть явным, насколько это возможно, я хочу группировать числа, находящиеся в пределах 10 значений друг от друга. Может ли кто-нибудь помочь? Благодарю.Группировка/группировка чисел в Python
ответ
Существует много способов сделать cluster analysis. Один простой подход смотреть на размер зазора между последовательными элементами данных:
def cluster(data, maxgap):
'''Arrange data into groups where successive elements
differ by no more than *maxgap*
>>> cluster([1, 6, 9, 100, 102, 105, 109, 134, 139], maxgap=10)
[[1, 6, 9], [100, 102, 105, 109], [134, 139]]
>>> cluster([1, 6, 9, 99, 100, 102, 105, 134, 139, 141], maxgap=10)
[[1, 6, 9], [99, 100, 102, 105], [134, 139, 141]]
'''
data.sort()
groups = [[data[0]]]
for x in data[1:]:
if abs(x - groups[-1][-1]) <= maxgap:
groups[-1].append(x)
else:
groups.append([x])
return groups
if __name__ == '__main__':
import doctest
print(doctest.testmod())
И есть мое решение. Спасибо большое. Я изучу каждый персонаж этого кода, ха-ха. –
Найдет группы:
nums = [1, 6, 9, 100, 102, 105, 109, 134, 139]
for k, g in itertools.groupby(nums, key=lambda n: n//10):
print k, list(g)
0 [1, 6, 9]
10 [100, 102, 105, 109]
13 [134, 139]
Обратите внимание, что если НУМС на самом деле не сортируется как ваш пример показывает, вам нужно сортировать его первым.
Единственное, что мне не нравится в этом подходе, состоит в том, что '' [1, 6, 9, 99, 100, 134, 139] '' группирует * 99 * и * 100 * в разные группы. Было бы лучше вычислить различия между последовательными точками данных, чтобы определить, где начинается один кластер, а другой заканчивается. –
Да, к сожалению, это произошло, когда я попробовал этот код; /. Практически идеально. –
Да, это было underspecified, когда я написал его. –
Во-первых, вы можете легко преобразовать любую последовательность в последовательность пар соседних элементов. Просто попробуйте, сдвиньте его вперед и застегните несмещенные и несмещенные копии. Единственная хитрость заключается в том, что вы должны начать с любой (<something>, 1)
или (139, <something>)
, потому что в этом случае мы хотим, чтобы не каждая пара элементов, но пара для каждого элемента:
def pairify(it):
it0, it1 = itertools.tee(it, 2)
first = next(it0)
return zip(itertools.chain([first, first], it0), it1)
(Это не самый простой способ писать, но я думаю, что это может быть так, что это наиболее читаемыми для людей, которые не знакомы с itertools
.)
>>> a = [1, 6, 9, 100, 102, 105, 109, 134, 139]
>>> list(pairify(a))
[(1, 1), (1, 6), (6, 9), (9, 100), (100, 102), (102, 105), (105, 109), (109, 134), (134, 139)]
Затем, с немного более сложной версией ключа Ned Батчелдера, вы можете просто использовать groupby
,
Однако, я думаю, в этом случае это будет сложнее, чем явный генератор, который делает то же самое.
def cluster(sequence, maxgap):
batch = []
for prev, val in pairify(sequence):
if val - prev >= maxgap:
yield batch
batch = []
else:
batch.append(val)
if batch:
yield batch
Вам нужно будет более точно определить «подобие». Вы имеете в виду те же сотни и десятки цифр? –
Я имею в виду цифры, которые находятся в пределах 10 (или сколько угодно) значений друг от друга. Извините, постарался сделать это как можно яснее. –
Что делать, если возможные группы перекрываются? – millimoose