Python 检测逐渐变化的数据集中的重大变化

我有一个python数据列表，表示每分钟使用的资源量。我想找出它在数据集中显著变化的次数。我所说的重大变化与我到目前为止读到的有点不同

例如，如果我有一个数据集，如

[10,15,17,20,30,40,50,70,80,60,40,20]

我说，当数据比以前的正常值增加一倍或减少一半时，就会发生重大变化

例如，由于列表以10开头，这是我们的正常起点

然后，当数据翻倍到20时，我将其视为一个重大变化，并将法线设置为20

然后，当数据翻倍到40，它被认为是一个重大的变化，正常值现在是40

然后，当数据翻倍到80，它被认为是一个重大的变化，正常值现在是80

之后，当数据减少一半至40时，它被视为另一个显著变化，正常值变为40

最后，当数据减少一半至20时，这是最后一次重大变化

这里共有5项重大变化

---

它与任何其他变化检测算法类似吗？如何在python中高效地实现这一点？

这相对简单。您可以通过列表中的单个迭代来实现这一点。当发生“重大”变化时，我们只需更新我们的基础

请注意，我的实现将适用于任何iterable或容器。例如，如果您希望在不必将文件全部加载到内存的情况下通读文件，这将非常有用

def gen_significant_changes(iterable, *, tol = 2):
    iterable = iter(iterable) # this is necessary if it is container rather than generator.
    # note that if the iterable is already a generator iter(iterable) returns itself.
    base = next(iterable)
    for x in iterable:
        if x >= (base * tol) or x <= (base/tol):
            yield x
            base = x

my_list = [10,15,17,20,30,40,50,70,80,60,40,20]

print(list(gen_significant_changes(my_list)))

def gen\u重大变化（iterable，*，tol=2）：
iterable=iter（iterable）#如果它是容器而不是发电机，这是必需的。
#请注意，如果iterable已经是生成器，iter（iterable）将返回自身。
基本=下一个（iterable）
对于iterable中的x：
如果x>=（基*tol）或x，这是相对简单的。您可以通过列表中的单个迭代来实现这一点。当发生“重大”变化时，我们只需更新我们的基础

请注意，我的实现将适用于任何iterable或容器。例如，如果您希望在不必将文件全部加载到内存的情况下通读文件，这将非常有用

def gen_significant_changes(iterable, *, tol = 2):
    iterable = iter(iterable) # this is necessary if it is container rather than generator.
    # note that if the iterable is already a generator iter(iterable) returns itself.
    base = next(iterable)
    for x in iterable:
        if x >= (base * tol) or x <= (base/tol):
            yield x
            base = x

my_list = [10,15,17,20,30,40,50,70,80,60,40,20]

print(list(gen_significant_changes(my_list)))

def gen\u重大变化（iterable，*，tol=2）：
iterable=iter（iterable）#如果它是容器而不是发电机，这是必需的。
#请注意，如果iterable已经是生成器，iter（iterable）将返回自身。
基本=下一个（iterable）
对于iterable中的x：
如果x>=（base*tol）或x我无法帮助您完成Python部分，但是从数学角度来说，您要问的问题非常简单，可以使用log base 2来解决。当当前值除以常数可以通过将2提高到与前一个值不同的幂次（作为整数）来达到时，会发生显著变化。（由于数组中的第一个值构成比较的基础，因此需要该常量。）

对于
t
处的每个元素，计算：

current  = math.log(Array[t]  /Array[0], 2)
previous = math.log(Array[t-1]/Array[0], 2)
if math.floor(current) <> math.floor(previous) a significant change has occurred

current=math.log（数组[t]/Array[0]，2）
previous=math.log（数组[t-1]/Array[0]，2）
如果math.floor（当前）math.floor（上一个）发生了重大变化

使用这种方法，您根本不需要跟踪“法线点”，只需要阵列。通过删除额外的状态变量，我们可以按任意顺序处理数组，如果数据集非常大，我们可以将数组的一部分分配给不同的线程。使用当前的方法无法做到这一点。
我无法帮助您完成Python部分，但在数学方面，您所问的问题非常简单，可以使用log base 2解决。当当前值除以常数可以通过将2提高到与前一个值不同的幂次（作为整数）来达到时，会发生显著变化。（由于数组中的第一个值构成比较的基础，因此需要该常量。）

对于
t
处的每个元素，计算：

current  = math.log(Array[t]  /Array[0], 2)
previous = math.log(Array[t-1]/Array[0], 2)
if math.floor(current) <> math.floor(previous) a significant change has occurred

current=math.log（数组[t]/Array[0]，2）
previous=math.log（数组[t-1]/Array[0]，2）
如果math.floor（当前）math.floor（上一个）发生了重大变化

使用这种方法，您根本不需要跟踪“法线点”，只需要阵列。通过删除额外的状态变量，我们可以按任意顺序处理数组，如果数据集非常大，我们可以将数组的一部分分配给不同的线程。用你目前的方法你无法做到这一点