Python groupby 阈值答案

【问题标题】：Python groupby thresholdPython groupby 阈值
【发布时间】：2017-03-11 00:27:32
【问题描述】：

我有一个数字列表，我需要对它进行分组。 itertools.grouby 非常适用于相同数字的序列，但对于具有阈值 (2-3%) 的数字，我需要相同的行为

E.X：lst = [1, 500, 19885, 19886, 19895, 90000000] 我期待[[1], [500], [19885, 19886, 19895], [90000000]]

你能给我一些建议吗？

【问题讨论】：

【解决方案1】：

您仍然可以使用groupby，但使用自定义比较器：

class MyValue:
    def __init__(self, val):
        self.val = val
    def __eq__(self, other):
        # 2% leeway
        return self.val*0.98 <= other.val <= self.val*1.02

然后：

for key, group in groupby(map(MyValue, values)):
    group_values = [el.val for el in group]

请注意，这会将第一个值保留为“参考”，因此在一个组中，元素与键/第一个值的距离最多为 2%，但在组内，偏差可能高达 4 %。

对于您显示的数据，这应该没问题，如果不同的组之间存在显着差异，但对于靠近的组来说就不可靠了。

【讨论】：

非常好！对于等效结果，请写入 res = [[el.val for el in g] for key, g in groupby(map(MyValue, values))] 而不是第二个代码块。

【解决方案2】：

将它们存储起来。您需要提前手动计算休息时间。那你能提前排序吗？这样会更容易。

实际上，如果您使用对数，则乘法阈值会变成常数阈值，例如0.98..1.02 in log-land ~= (-0.02, +0.02)。因此，请使用所有号码的日志。在进行 groupby 之前，您仍然需要存储它们。

如果您需要代码，请给我们一个更好的（随机种子）可重现示例，其中包含更多测试极端情况的数字。

【讨论】：

你说的桶是什么意思？实际上我无法对其进行排序，因为顺序是必需的。
'bucket' 的意思是'将范围划分为 bin，并使用量化值进行分组' - 类似于 @Bakuriu 显示的内容。就像在直方图中一样。