python-在给定条件下访问变量答案

【问题标题】：python- access to variables given conditionspython-在给定条件下访问变量
【发布时间】：2015-07-05 01:51:38
【问题描述】：

我是 R 用户，所以我习惯于使用数据框访问数据，使用 data[data$variable=='condition',] 方式中的条件。我正在尝试在 python 中编写一个简单的概率神经网络示例。如果我的数据是：

data = {'o' : [(0.2, 0.5), (0.5, 0.7)],
        'x' : [(0.8, 0.8), (0.4, 0.5)],
        'i' : [(0.8, 0.5), (0.6, 0.3), (0.3, 0.2)]}

我想对一条新记录进行分类：

nuevo=(0.2, 0.6)

我设法编写了以下代码，该代码在每次打印时创建了一个表格（列表列表），以查看发生了什么...

kk=[]

def g (data, nuevo):

    for k in data:
        print(k)        
        j=-1
        for i in data[k]:         
            j=j+1
            print(i)        
            print(i[0])
            print(i[1])
            kk.append([k,i,math.e ** (-1 *((nuevo[0] - i[0]) ** 2 + (nuevo[1] - i[1]) ** 2) / ((2 * (0.1 ** 2))))])
            print(kk[j])

g(data, nuevo)

最后我有 kk 列表列表，我需要选择每个 o、x 和 i 的最大值。然后选择具有最大值的那个。

我尝试了类似kk[kk[][0]=='o'] 的方法来获取所有带有“o”的元素，但我得到了错误的结果。这一定很简单，但我无法以更简单的方式看到它（我不想使用循环）。

【问题讨论】：

Python 的内置结构不是这样设置的。它们不强制执行表格结构，因此 Python 不知道或关心结构中的所有“列”是否甚至具有相同的长度。同样，矢量化操作（没有循环）是不可能的，因为不要求您存储的所有值都具有相同的类型。如果你想做 R 风格的东西，我建议你看看 pandas 库，它提供了类似于 R 的向量和数据帧的数据结构。
好的，谢谢。但是如果你必须用基础来解决它，你会怎么做呢？也许利用形成 kk 列表的循环？
@GabrielaPlantie 你也许可以使用list comprehensions 来获得你想要的东西。简单示例：[x for x in range(100) if x % 2 == 0]
我不完全确定您要做什么。如果要过滤列表以仅获取满足某个谓词的值，可以使用filter 函数。
@GabrielaPlantie：没有循环的基础知识是做不到的。

标签： python list

【解决方案1】：

您可以使用 列表理解

简化您的函数 g

def g(d,n):
    return [[k,i,exp(-50*((n[0]-i[0])**2+(n[1]-i[1])**2))] for k in d for i in d[k]]

我敢说，使用函数来修改全局数据结构并不总是可能的最佳解决方案......

也就是说，您想为每个类别选择最大接近度，所以

def max_p(d, p):
    return [max((x for x in p if x[0]==k), key=lambda x: x[2]) for k in d]

再次，列表理解（数据字典 d 中每个键 k 的列表元素）和一个新事物，生成器表达式，即 (x for x in p if x[0]==k) 部分；生成器表达式每次都会给出一个元素，即计算出的与 max 内置函数的接近度列表中的所有元素。

max 函数的第二个参数是一个计算排序键的函数，这里key=lambda x: x[2]) 是一个使用lambda 语法在现场定义的函数，它返回索引为 2 的内部元素。

In [49]: data = {'o' : [(0.2, 0.5), (0.5, 0.7)],
        'x' : [(0.8, 0.8), (0.4, 0.5)],
        'i' : [(0.8, 0.5), (0.6, 0.3), (0.3, 0.2)]}

In [50]: nuevo = (0.2, 0.6)

In [51]: def g(d,n):
    return [[k,i,exp(-50*((n[0]-i[0])**2+(n[1]-i[1])**2))] for k in d for i in d[k]]
   ....: 

In [52]: def max_p(d, p):
    return [max((x for x in p if x[0]==k), key=lambda x: x[2]) for k in d]
   ....: 

In [53]: max_p(data, g(data, nuevo))
Out[53]: 
[['i', (0.3, 0.2), 0.00020346836901064417],
 ['x', (0.4, 0.5), 0.0820849986238988],
 ['o', (0.2, 0.5), 0.6065306597126335]]

In [54]: max(max_p(data, g(data, nuevo)), key=lambda x: x[2])
Out[54]: ['o', (0.2, 0.5), 0.6065306597126335]

In [55]:

也就是说，您最好向numpy 模块介绍自己

引入真正的数组并定义数组优化函数和运算符，
介绍了使用布尔表达式对数组进行索引的机会（即您最终想要的...）

另一个选项是pandas 模块，但其他人已经提到...

【讨论】：