在元组的元组中查找最大值和最小值答案

【问题标题】：Finding the max and min in a tuple of tuples在元组的元组中查找最大值和最小值
【发布时间】：2012-10-18 17:16:50
【问题描述】：

我是 python 新手，在查找元组元组的最小值和最大值时遇到了一些问题。我需要他们来规范我的数据。所以，基本上，我有一个由 13 个数字组成的列表，每个数字代表一些东西。每个数字在列表中构成一列，每列我需要max 和min。我尝试索引/迭代，但不断收到

的错误

max_j = max(j)

TypeError: 'float' object is not iterable

任何帮助将不胜感激！

代码是（假设 data_set_tup 是一个元组的元组，例如 ((1,3,4,5,6,7,...),(5,6,7,3,6,73,2. ..)...(3,4,5,6,3,2,2...)) 我还想使用标准化值创建一个新列表。

normal_list = []

for i in data_set_tup:

    for j in i[1:]: # first column doesn't need to be normalised
        max_j = max(j)
        min_j = min(j)
        normal_j = (j-min_j)/(max_j-min_j)
        normal_list.append(normal_j)
    normal_tup = tuple(normal_list)

【问题讨论】：

标签： python tuples normalization

【解决方案1】：

您可以使用zip(*...) 将行转换为列，反之亦然。（在 Python 3 中使用 list(zip(*...))）

cols = zip(*data_set_tup)
normal_cols = [cols[0]] # first column doesn't need to be normalised
for j in cols[1:]:
    max_j = max(j)
    min_j = min(j)
    normal_cols.append(tuple((k-min_j)/(max_j-min_j) for k in j)

normal_list = zip(*normal_cols)

【讨论】：

这仍然给了我每行的最大值和最小值，而我需要每列的最大值和最小值（每个元组是一行，其中的值组成列，就像一个矩阵） .对于获取列的最大值和最小值有什么建议吗？

【解决方案2】：

这听起来确实像是非内置 numpy 模块的工作，或者可能是 pandas 模块，这取决于您的需要。

添加对应用程序的额外依赖不应轻易完成，但如果您对类似矩阵的数据做了大量工作，那么如果您自始至终使用上述模块之一，您的代码可能会更快、更易读你的申请。

我不建议将列表列表转换为 numpy 数组并再次返回以获得这个单一结果——最好使用 Jannes 答案的纯 python 方法。另外，鉴于您是 python 初学者，现在 numpy 可能有点矫枉过正。但我认为你的问题值得回答，指出这个是一个选项。

这是一个分步控制台说明，说明这将如何在 numpy 中工作：

>>> import numpy as np
>>> a = np.array([[1,3,4,5,6],[5,6,7,3,6],[3,4,5,6,3]], dtype=float)
>>> a
array([[ 1.,  3.,  4.,  5.,  6.],
       [ 5.,  6.,  7.,  3.,  6.],
       [ 3.,  4.,  5.,  6.,  3.]])
>>> min = np.min(a, axis=0)
>>> min
array([1, 3, 4, 3, 3])
>>> max = np.max(a, axis=0)
>>> max
array([5, 6, 7, 6, 6])
>>> normalized = (a - min) / (max - min) 
>>> normalized
array([[ 0.        ,  0.        ,  0.        ,  0.66666667,  1.        ],
       [ 1.        ,  1.        ,  1.        ,  0.        ,  1.        ],
       [ 0.5       ,  0.33333333,  0.33333333,  1.        ,  0.        ]])

所以在实际代码中：

import numpy as np

def normalize_by_column(a):
    min = np.min(a, axis=0)
    max = np.max(a, axis=0)
    return (a - min) / (max - min)

【讨论】：

【解决方案3】：

我们有nested_tuple = ((1, 2, 3), (4, 5, 6), (7, 8, 9))。首先，我们需要对其进行规范化。 Pythonic 方式：

flat_tuple = [x for row in nested_tuple for x in row]

输出：[1, 2, 3, 4, 5, 6, 7, 8, 9] # it's a list

将其移至元组：tuple(flat_tuple)，获取最大值：max(flat_tuple)，获取最小值：min(flat_tuple)

【讨论】：