Python 查找满足阈值关系的组合

给定

phi

、

theta

、

n_1

和

n_2

的值，我需要找到满足以下条件的所有可能对（

n_1

，

n_2

）：

0 <= N_1 <= n_1
0 <= N_2 <= n_2
N_1 - phi * N_2 >= theta

0这是有效的：

import itertools

def _get_N_1_and_N_2(n_1, n_2, phi, theta):
    """Get the (N_1, N_2) pairs as defined in Griffith (1963).

    See Equation 3.

    Parameters
    ----------
    n_1 : integer
      Number of excitatory inputs.

    n_2 : integer
      Number of inhibitory inputs.

    phi : number
      Factor that captures the difference between excitatory and
      inhibitory synaptic efficiencies.

    theta : number
      Spike threshold.

    """
    N_1 = range(n_1 + 1)
    N_2 = range(n_2 + 1)
    possible_N_1_N_2 = itertools.product(N_1, N_2)
    N_1_N_2 = []
    for N_1, N_2 in possible_N_1_N_2:
        if N_1 - phi * N_2 >= theta:
            N_1_N_2.append((N_1, N_2))
    return N_1_N_2

我想我可以把
for
循环成
if
语句，这是一个非常混乱的
列表。但是naa

以下是测试：

import nose.tools as nt

def test__get_N_1_and_N_2():

    # Figure 3A in Griffith, 1963, Biophy J.
    n_1 = 4
    n_2 = 0
    theta = 2
    phi = 1
    desired = [(2, 0), (3, 0), (4, 0)]
    actual = _get_N_1_and_N_2(n_1, n_2, phi, theta)
    nt.assert_list_equal(desired, actual)

    # Figure 3B.
    n_1 = 5
    n_2 = 1
    theta = 2
    phi = 2
    desired = [(2, 0), (3, 0), (4, 0), (4, 1), (5, 0), (5, 1)]
    actual = _get_N_1_and_N_2(n_1, n_2, phi, theta)
    nt.assert_list_equal(desired, actual)

您可以使用numpy和矢量化，类似于下面的内容

import numpy as np

phi = 0.5
theta = 1
n1 = 10
n2 = 20

N1 = np.random.randint(-100, 100, size=100)
N2 = np.random.randint(-100, 100, size=100)

N1 = N1[(N1 >= 0) & (N1 <= n1)]
N2 = N2[(N2 >= 0) & (N2 <= n2)]

a = N2 * theta + phi
res = N1.reshape(N1.shape[0], 1) - a.reshape(1, a.shape[0])

indices = np.argwhere(res >= 0)
pairs = zip(N1[indices[:,0]], N2[indices[:,1]])

根据@dbliss请求，以下是模块化版本及其测试

import numpy as np


def calc_combination(N1, N2, n1, n2, theta, phi):
    N1 = N1[(N1 >= 0) & (N1 <= n1)]
    N2 = N2[(N2 >= 0) & (N2 <= n2)]

    a = N2 * theta + phi
    res = N1.reshape(N1.shape[0], 1) - a.reshape(1, a.shape[0])

    indices = np.argwhere(res >= 0)
    pairs = zip(N1[indices[:,0]], N2[indices[:,1]])
    return pairs


def test_case():
    n1 = 5
    n2 = 1
    theta = 2
    phi = 2

    N1 = np.arange(n1 + 1)
    N2 = np.arange(n2 + 1)

    assert (calc_combination(N1, N2, n1, n2, theta, phi) ==
            [(2, 0), (3, 0), (4, 0), (4, 1), (5, 0), (5, 1)])

test_case()

将numpy导入为np
def calc_组合（N1、N2、N1、N2、θ、φ）：
N1=N1[（N1>=0）和（N1=0）和（N2=0）
pairs=zip（N1[索引[：，0]]，N2[索引[：，1]]
返回对
def测试用例（）：
n1=5
n2=1
θ=2
φ=2
N1=np.arange（N1+1）
N2=np.arange（N2+1）
断言（计算单位组合（N1，N2，N1，N2，θ，φ）==
[(2, 0), (3, 0), (4, 0), (4, 1), (5, 0), (5, 1)])
测试用例（）
首先，您可以将最后一个不等式中的
（-phi*N_2）
从左到右移动：
N_1>=theta+phi*N_2
，这定义了
N_1
的下界。其次是
phi
，
theta
，
N_1
，
N_2
，
N整数（1） 是的。（2）所有的
n
s和
n
s都是非负整数。
phi
和
theta
不一定是整数。
phi
必须是正的。看起来
theta
通常是非负的。我只是编了一些数字
import numpy as np


def calc_combination(N1, N2, n1, n2, theta, phi):
    N1 = N1[(N1 >= 0) & (N1 <= n1)]
    N2 = N2[(N2 >= 0) & (N2 <= n2)]

    a = N2 * theta + phi
    res = N1.reshape(N1.shape[0], 1) - a.reshape(1, a.shape[0])

    indices = np.argwhere(res >= 0)
    pairs = zip(N1[indices[:,0]], N2[indices[:,1]])
    return pairs


def test_case():
    n1 = 5
    n2 = 1
    theta = 2
    phi = 2

    N1 = np.arange(n1 + 1)
    N2 = np.arange(n2 + 1)

    assert (calc_combination(N1, N2, n1, n2, theta, phi) ==
            [(2, 0), (3, 0), (4, 0), (4, 1), (5, 0), (5, 1)])

test_case()