Python 将列表转换为包含更多或更少项的列表，保持列表和项之间的相对差异

我有一张5项的清单

[6,4,2,4,6]

如果我需要10个项目长的列表，具有相同的总和和相对分布，它看起来应该是这样的

[3,3,2,2,1,1,2,2,3,3]

这很简单，因为由于项目数量增加了一倍，我只需将上一个列表中的每个项目一分为二

我想找出一种方法，让第一张单子的长度不受项目数的限制。也许3，7，12999

很明显，要做到完美通常是不可能的，因为在这个简单的例子中，我试图找到一个提供最佳拟合的解决方案。

IIUC，使用np。重复：

输出：

array([3., 3., 2., 2., 1., 1., 2., 2., 3., 3.])

---

有很多方法可以满足您的规范，具体取决于您希望保留的发行版属性。一种方法是将其视为插值问题，并尝试将分布的分数保留到给定的相对x坐标。我们可以取这些值的累积和，在所需的目标点处插值，然后将结果差值：

def resampler(orig, N):
    x = np.arange(len(orig) + 1)
    y = np.insert(orig.cumsum(), 0, 0)
    target = np.linspace(0, len(orig), N+1)
    integ = np.interp(target, xp=x, fp=y)
    result = np.diff(integ)
    return result

给我

In [137]: x = np.array([6,4,2,4,6])

In [138]: resampler(x, 5)
Out[138]: array([ 6.,  4.,  2.,  4.,  6.])

In [139]: resampler(x, 10)
Out[139]: array([ 3.,  3.,  2.,  2.,  1.,  1.,  2.,  2.,  3.,  3.])

In [140]: resampler(x, 3)
Out[140]: array([ 8.66666667,  4.66666667,  8.66666667])

In [141]: resampler(x, 3).sum()
Out[141]: 22.0

In [142]: resampler(x, 20)
Out[142]: 
array([ 1.5,  1.5,  1.5,  1.5,  1. ,  1. ,  1. ,  1. ,  0.5,  0.5,  0.5,
        0.5,  1. ,  1. ,  1. ,  1. ,  1.5,  1.5,  1.5,  1.5])

In [143]: resampler(x, 13)
Out[143]: 
array([ 2.30769231,  2.30769231,  2.        ,  1.53846154,  1.53846154,
        0.92307692,  0.76923077,  0.92307692,  1.53846154,  1.53846154,
        2.        ,  2.30769231,  2.30769231])

In [144]: resampler(x, 13).sum()
Out[144]: 22.0

---

1是否限制为整数值？2你更关心分布匹配还是总和匹配？我知道我是模棱两可的-1没有非整数是好的，2总和必须匹配，分布尽可能接近每一个接近，非常令人印象深刻。不幸的是，我模棱两可。列表必须具有所需的项目数。但是，项目不需要是整数。whistle+1很好！这正是我所希望的，而你甚至帮我想出了如何要求它。

In [137]: x = np.array([6,4,2,4,6])

In [138]: resampler(x, 5)
Out[138]: array([ 6.,  4.,  2.,  4.,  6.])

In [139]: resampler(x, 10)
Out[139]: array([ 3.,  3.,  2.,  2.,  1.,  1.,  2.,  2.,  3.,  3.])

In [140]: resampler(x, 3)
Out[140]: array([ 8.66666667,  4.66666667,  8.66666667])

In [141]: resampler(x, 3).sum()
Out[141]: 22.0

In [142]: resampler(x, 20)
Out[142]: 
array([ 1.5,  1.5,  1.5,  1.5,  1. ,  1. ,  1. ,  1. ,  0.5,  0.5,  0.5,
        0.5,  1. ,  1. ,  1. ,  1. ,  1.5,  1.5,  1.5,  1.5])

In [143]: resampler(x, 13)
Out[143]: 
array([ 2.30769231,  2.30769231,  2.        ,  1.53846154,  1.53846154,
        0.92307692,  0.76923077,  0.92307692,  1.53846154,  1.53846154,
        2.        ,  2.30769231,  2.30769231])

In [144]: resampler(x, 13).sum()
Out[144]: 22.0