Python 如何用模零找到离给定值最近的除数

我正在尝试对神经网络的数据集进行预处理。因此，我需要将形状为（2040906，1）的数组重塑为批次数组

我需要一个大约1440行的批处理大小，但是2040906显然不能除以该数字（剩余部分为零）

我试着只计算除法的模，并删除尽可能多的行作为余数，这样除法将得到零的模。但我不想删除数据集的行

这是一个重现问题的示例片段

将numpy导入为np
x=np.一（（2040906，1））
np.拆分（x，1440）

---

对我来说，最理想的解决方案是某种函数，它为余数为0的给定值返回最近的除数。

由于两个原因，寻找最大除数不是一个好方法

数组的大小可能是素数

除数可能太大或太小，导致学习无效

更好的方法是使用从整个数据集中随机选择的样本填充数据集，使其可被最佳批量大小分割。下面是计算可被1440整除的填充数组大小的简单技巧

（-x.shape[0]%1440）+x.shape[0]

然而，当数据被排序时（如时间序列），则不能使用填充，因为无法构造填充数据的代表性内容

另一种解决方案是最小化被截断的数据。可以搜索一个可用的填充区域，以查找需要最小截断的区域

def find_best_除数（大小、低、高、步长=1）：
最小截断，最佳除数=min（（大小%除数，除数）
用于范围内的除数（低、高、阶跃））
返回最佳除数

---

这种方法很好，因为它允许很好地利用数据并使用适合于培训的填充。

不确定这是最优雅的解决方案，但您可以执行以下操作：

获取有关数字的所有除数

def getdivisions（n，res=None）：
res=res或[]
i=1
而i（接近-所有除数[ix-1]）：
返回所有_除数[ix-1]
返回值
def获取最近的分割（n，接近=1440）
Out[6]：42

---

在你的例子中，它将返回42作为唯一最接近1440的除数。因此，

np.split（x，42）

应该可以工作。

您是否希望分解

2040906

？您可以使用（-2040906）%1440个样本填充数据集，从而使数据集可以按批量大小进行分割。用于填充的额外样本应该从整个数据集中随机选择。我认为这可能是问题的解决方案，因为我可以获得每个因子，并可以提取最接近我的值的因子，不是吗？填充的意思是填充或裁剪我的数据集？@Steven我的意思是填充。你不能用零填充最后一批，因为它会训练你的神经网络。您不能重复某些选定的样本，因为它会使训练偏向该样本。最好的解决方案是从数据集中随机选择填充数据。我知道，这绝对有效，但我有时间序列数据，我想从中进行训练。因此，我不能随机填写数据，如果我错了，请纠正我。应该提到的事实是，这是时间序列数据。我现在明白了。如果对数据进行排序，则随机选择将失败。也许可以在最后一次迭代中使用较小的批处理。我想keras就是这么做的。我会搜索一下，然后试试。谢谢你的建议。是的，看起来就像我想要的那个。有趣的是答案是42透^^