在列表中查找数字簇

Question

我正在为此苦苦挣扎，因为我确信十几个 for 循环不是解决这个问题的方法：

有一个排序的数字列表，如

numbers = [123, 124, 128, 160, 167, 213, 215, 230, 245, 255, 257, 400, 401, 402, 430]

我想创建一个带有数字列表的字典，其中数字的差异（彼此跟随）不超过 15。所以输出将是这样的：

clusters = {
    1 : [123, 124, 128],
    2 : [160, 167],
    3 : [213, 215, 230, 245, 255, 257],
    4 : [400, 401, 402],
    5 : [430]
}

我目前的解决方案有点难看（我必须在最后删除重复项......），我确信它可以以 python 的方式完成。

这就是我现在所做的：

clusters = {}  
dIndex = 0 
for i in range(len(numbers)-1) :
    if numbers[i+1] - numbers[i] <= 15 :
        if not clusters.has_key(dIndex) : clusters[dIndex] = []
        clusters[dIndex].append(numbers[i])
        clusters[dIndex].append(numbers[i+1])
    else : dIndex += 1

Answer 1

如果您的列表很小，则不是绝对必要的，但我可能会以“流处理”方式处理此问题：定义一个生成器，该生成器将您的输入可迭代，并产生分组为由

def grouper(iterable):
    prev = None
    group = []
    for item in iterable:
        if prev is None or item - prev <= 15:
            group.append(item)
        else:
            yield group
            group = [item]
        prev = item
    if group:
        yield group

numbers = [123, 124, 128, 160, 167, 213, 215, 230, 245, 255, 257, 400, 401, 402, 430]
dict(enumerate(grouper(numbers), 1))

打印：

{1: [123, 124, 128],
 2: [160, 167],
 3: [213, 215, 230, 245, 255, 257],
 4: [400, 401, 402],
 5: [430]}

作为奖励，您甚至可以将运行分组为可能无限的列表（当然，只要它们已排序）。您还可以将索引生成部分粘贴到生成器本身中（而不是使用enumerate）作为一个小的增强功能。

Answer 2

import itertools
import numpy as np

numbers = np.array([123, 124, 128, 160, 167, 213, 215, 230, 245, 255, 257, 400, 401, 402, 430])
nd = [0] + list(np.where(np.diff(numbers) > 15)[0] + 1) + [len(numbers)]

a, b = itertools.tee(nd)
next(b, None)
res = {}
for j, (f, b) in enumerate(itertools.izip(a, b)):
    res[j] = numbers[f:b]

如果你可以使用 itertools 和 numpy.为迭代器技巧改编 pairwise。需要+1 来移动索引，将0 和len(numbers) 添加到列表中以确保正确包含第一个和最后一个条目。

你显然可以在没有itertools 的情况下做到这一点，但我喜欢tee。

Answer 3

您可以使用 numpy / pandas 在没有（显式）循环的情况下实现这一点：

import pandas as pd    
import numpy as np

n = 15
numbers = [123, 124, 128, 160, 167, 213, 215, 230, 245, 255, 257, 400, 401, 402, 430]
nnumbers = np.array(numbers)
clusters = pd.DataFrame({
    'numbers': numbers,
    'segment': np.cumsum([0] + list(1*(nnumbers[1:] - nnumbers[0:-1] > n))) + 1
}).groupby('segment').agg({'numbers': set}).to_dict()['numbers']

诀窍是移动数字列表并将差异与您的阈值 (15) 进行比较，以找到段之间的“中断”。当然，第一个元素不会是中断。然后使用 cumsum 函数获取分段并使用 set 函数进行分组（以防有重复项）。 希望这对您有所帮助，即使自发布此问题以来已经过去多年。

Answer 4

使用生成器分离逻辑：（一个函数做一件事）

numbers = [123, 124, 128, 160, 167, 213, 215, 230, 245, 255, 257, 400, 401, 402, 430]

def cut_indices(numbers):
    # this function iterate over the indices that need to be 'cut'
    for i in xrange(len(numbers)-1):
        if numbers[i+1] - numbers[i] > 15:
            yield i+1

def splitter(numbers):
    # this function split the original list into sublists.
    px = 0
    for x in cut_indices(numbers):
        yield numbers[px:x]
        px = x
    yield numbers[px:]

def cluster(numbers):
    # using the above result, to form a dict object.
    cluster_ids = xrange(1,len(numbers))
    return dict(zip(cluster_ids, splitter(numbers)))

print cluster(numbers)

以上代码给我

{1: [123, 124, 128], 2: [160, 167], 3: [213, 215, 230, 245, 255, 257], 4: [400, 401, 402], 5: [430]}

Answer 5

这是一个适用于列表或生成器的相对简单的解决方案。它懒惰地产生对(group_number, element)，因此如果需要，您必须单独进行实际分组。 （或者也许你只需要组号。）

 from itertools import tee

 def group(xs, gap=15):
    # use `tee` to get two efficient iterators
    xs1, xs2 = tee(xs)

    # the first element is in group 0, also advance the second iterator
    group = 0
    yield (group, next(xs2))

    # after advancing xs2, this zip is pairs of consecutive elements
    for x, y in zip(xs1, xs2):
        # whenever the gap is too large, increment the group number
        if y - x > gap:
            group += 1
        # and yield the second number in the pair
        yield group, y