在python中使用条件控制变量过滤数组以创建numpy矩阵

Question

import numpy as np
    def get_positions(values, mintreshold=0.1):
        maxindex = 0
        result_row = np.zeros(np.shape((0, 0)), dtype=int)
        result = np.matrix(result_row)
        result_index = 0
        for index in xrange(len(values)):
            diff = values[maxindex] - values[index]
            if diff < 0:
                maxindex = index
            elif diff >= mintreshold:
                result[result_index, 1] = index
                result = np.vstack((result, result_row))
                result_index += 1
        return result

如你所见，我有一个函数，它给了我给定列表的位置。简单地过滤它。 所以我知道numpy.matrix 不应该这样调用，这不是创建numpy.matrix 的正确方法。但是对于那些条件控制变量，例如minindex 和maxindex，我无法使用map、lambda 或filter。

通过填充控制变量以功能方式创建numpy.matrix 的正确方法是什么？

编辑： 只是我想使用类似positions = map(get_positions, values)

Answer 1

我不确定这是否正是您要查找的内容，但可以在这里使用来自functools 的reduce 来累积取决于输入列表的“过去”值的状态。一旦计算出与每个输入对应的状态列表，您就可以使用filter 删除您不想要的条目，最后使用map 提取您想要的信息。

还要注意使用enumarate 将索引注入到列表中。

from functools import reduce

def calc_diff(state, val):
    max=state[-1]['max']
    diff=max-val
    if (diff<0): max=val
    state.append({'max': max, 'diff': diff})
    return state

in_list=[1,2,1,2,3,1]

states=reduce(calc_diff, in_list, [{'max': 0}])[1:]

result=list(map(lambda s: [0, s[0]], filter(lambda s: s[1]['diff']>0.1, enumerate(states))))

当你运行它时，states 将保持

[{'diff': -1, 'max': 1},
 {'diff': -1, 'max': 2},
 {'diff':  1, 'max': 2},
 {'diff':  0, 'max': 2},
 {'diff': -1, 'max': 3},
 {'diff':  2, 'max': 3}]

结果将是[[0, 2], [0, 5]]。如果您愿意，可以附加 [0, 0] 以匹配 cmets 中所需的输出。

还要特别注意 reduce 调用末尾的 [1:]，它删除了我注入的初始状态。

作为最后一点，你可以在 calc_diff 中添加阈值的过滤条件，并避免后面的过滤步骤，但我觉得这种方法更灵活一些。