python中的一个命令行，用于自动化代码

我是Python的新手。我在脑电图中使用它进行机器学习。 这是我提取“特征”的功能。 有什么办法可以改进吗？我的意思是，我不想每次需要其他范围时都改变频率。所以，在第二部分你会看到我的尝试

A部分

def computePowerBands(f, amp):
    return (np.mean(amp[(f >= 0.5)*(f <= 4.5)]),
            np.mean(amp[(f >= 4.5)*(f <= 8.5)]),
            np.mean(amp[(f >= 8.5)*(f <= 11.5)]),
            np.mean(amp[(f >= 11.5)*(f <= 15.5)]),
            np.mean(amp[(f >= 15.5)*(f <= 32.5)]) )

---

有什么方法可以做到这一点吗？

我不完全确定您想要实现什么，因为这确实是一块模糊的代码，但通过简单的代码重构，您可以通过成对列表对其进行参数化：

def computePowerBands(f, amp, fce):
    return [np.mean(amp[(f >= low)*(f <= up)]) for low, up in fce]

等等

或者，如果以下频带始终共享端点：

def computePowerBands(f, amp, fce):
    return [np.mean(amp[(f >= fce[fid])*(f <= fce[fid+1])])
            for fid in range(len(fce)-1)]

---

（f>=0.5）*（f部分B将fce中的每个值平方，并将该列表作为amp的索引提供给amp。如果amp是np向量，这将为您提供一个向量作为平均值的输入。但是，我怀疑这是否是您真正想要做的。@GarrettR还需要注意的是

bool

是

int

的子类

False==0

和

True==1

。所以y是的，

bool

s的乘法实际上是一种

和

，它会导致元素

0

或

1

在

amp

@Kupiakos中被访问。是的，我意识到。只是实现这一点的一种稍微模糊的方式。只是确保这是OP的意图？

computePowerBands(f, amp, [(0.5, 4.5), (4.5, 8.5)])

def computePowerBands(f, amp, fce):
    return [np.mean(amp[(f >= fce[fid])*(f <= fce[fid+1])])
            for fid in range(len(fce)-1)]

computePowerBands(f, amp, [0.5, 4.5, 8.5])