Python 在numpy数组中找到平衡点
考虑以下阵列:Python 在numpy数组中找到平衡点,python,arrays,numpy,Python,Arrays,Numpy,考虑以下阵列: a = np.array([1,2,3,4,3,2,1]) 我想得到平均分割数组的元素,即元素前面的数组的和等于元素后面的数组的和。在这种情况下,第4个元素a[3]将数组平均分割。有没有更快的方法?还是我必须迭代所有元素 所需功能: f(a) = 3 我喜欢这样的东西: def equib(a): c = a.cumsum() return np.argmin(np.abs(c-(c[-1]/2))) 首先,我们构建a的累积和。Cumsum表示c[i]=s
a = np.array([1,2,3,4,3,2,1])
我想得到平均分割数组的元素,即元素前面的数组的和等于元素后面的数组的和。在这种情况下,第4个元素a[3]
将数组平均分割。有没有更快的方法?还是我必须迭代所有元素
所需功能:
f(a) = 3
我喜欢这样的东西:
def equib(a):
c = a.cumsum()
return np.argmin(np.abs(c-(c[-1]/2)))
首先,我们构建a
的累积和。Cumsum表示c[i]=sum(a[:i])
。然后我们看绝对值,值和总重量之间的差值变得最小
更新@DSM注意到我的第一个版本有一点偏移,所以这里是另一个版本:
def equib(a):
c1 = a.cumsum()
c2 = a[::-1].cumsum()[::-1]
return np.argmin(np.abs(c1-c2))
好吧,这是我得到的,但我不确定这是最快的方式:
def eq(a)
c = np.cumsum(a)
return sum(c <= c[-1]/2)
def均衡器(a)
c=np.累积和(a)
回报金额(c如果所有输入值都是非负的,那么最有效的方法之一似乎是构建一个累积和数组,然后在两边各用一半和对其进行二元搜索。然而,这样的二元搜索也很容易出错。在试图使二元搜索在所有边缘情况下都有效时,我最后做了以下测试:
class SplitpointTest(unittest.TestCase):
def testFloatRounding(self):
# Due to rounding error, the cumulative sums for these inputs are
# [1.1, 3.3000000000000003, 3.3000000000000003, 5.5, 6.6]
# and [0.1, 0.7999999999999999, 0.7999999999999999, 1.5, 1.6]
# Note that under default settings, numpy won't display
# enough precision to see that.
self.assertEquals(2, splitpoint([1.1, 2.2, 1e-20, 2.2, 1.1]))
self.assertEquals(2, splitpoint([0.1, 0.7, 1e-20, 0.7, 0.1]))
def testIntRounding(self):
self.assertEquals(1, splitpoint([1, 1, 1]))
def testIntPrecision(self):
self.assertEquals(2, splitpoint([2**60, 1, 1, 1, 2**60]))
def testIntMax(self):
self.assertEquals(
2,
splitpoint(numpy.array([40, 23, 1, 63], dtype=numpy.int8))
)
def testIntZeros(self):
self.assertEquals(
4,
splitpoint(numpy.array([0, 1, 0, 2, 0, 2, 0, 1], dtype=int))
)
def testFloatZeros(self):
self.assertEquals(
4,
splitpoint(numpy.array([0, 1, 0, 2, 0, 2, 0, 1], dtype=float))
)
在决定不值得之前,我看了以下版本:
def splitpoint(a):
c = numpy.cumsum(a)
return numpy.searchsorted(c, c[-1]/2)
# Fails on [1, 1, 1]
def splitpoint(a):
c = numpy.cumsum(a)
return numpy.searchsorted(c, c[-1]/2.0)
# Fails on [2**60, 1, 1, 1, 2**60]
def splitpoint(a):
c = numpy.cumsum(a)
if c.dtype.kind == 'f':
# Floating-point input.
return numpy.searchsorted(c, c[-1]/2.0)
elif c.dtype.kind in ('i', 'u'):
# Integer input.
return numpy.searchsorted(c, (c[-1]+1)//2)
else:
# Probably an object dtype. No great options.
return numpy.searchsorted(c, c[-1]/2.0)
# Fails on numpy.array([63, 1, 63], dtype=int8)
def splitpoint(a):
c = numpy.cumsum(a)
if c.dtype.kind == 'f':
# Floating-point input.
return numpy.searchsorted(c, c[-1]/2.0)
elif c.dtype.kind in ('i', 'u'):
# Integer input.
return numpy.searchsorted(c, c[-1]//2 + c[-1]%2)
else:
# Probably an object dtype. No great options.
return numpy.searchsorted(c, c[-1]/2.0)
# Still fails the floating-point rounding and zeros tests.
如果我继续尝试的话,我可能会让它工作,但这不值得。chw21的第二个解决方案,基于显式最小化左右和之间的绝对差的解决方案,更容易推理,也更普遍适用。添加了a=numpy.asarray(a)
,它通过了上述所有测试用例,还通过了以下测试,这些测试扩展了算法需要处理的输入类型:
class SplitpointGeneralizedTest(unittest.TestCase):
def testNegatives(self):
self.assertEquals(2, splitpoint([-1, 5, 2, 4]))
def testComplex(self):
self.assertEquals(2, splitpoint([1+1j, -5+2j, 43, -4+3j]))
def testObjectDtype(self):
from fractions import Fraction
from decimal import Decimal
self.assertEquals(2, splitpoint(map(Fraction, [1.5, 2.5, 3.5, 4])))
self.assertEquals(2, splitpoint(map(Decimal, [1.5, 2.5, 3.5, 4])))
除非特别发现它太慢,否则我将使用chw21的第二种解决方案。在我测试它时稍微修改的形式中,这将是以下内容:
def splitpoint(a):
a = np.asarray(a)
c1 = a.cumsum()
c2 = a[::-1].cumsum()[::-1]
return np.argmin(np.abs(c1-c2))
我能看到的唯一缺陷是,如果输入有一个无符号的数据类型,并且没有精确分割输入的索引,那么该算法可能不会返回最接近分割输入的索引,因为np.abs(c1-c2)
对无符号数据类型做的事情不正确。从未指定如果没有拆分索引,算法应该做什么,因此这种行为是可以接受的,尽管可能值得注意np.abs(c1-c2)
和注释中未签名的数据类型。如果我们希望索引最接近于拆分输入,我们可以通过额外的运行时间获得它:
def splitpoint(a):
a = np.asarray(a)
c1 = a.cumsum()
c2 = a[::-1].cumsum()[::-1]
if a.dtype.kind == 'u':
# np.abs(c1-c2) doesn't work on unsigned ints
absdiffs = np.where(c1>c2, c1-c2, c2-c1)
else:
# c1>c2 doesn't work on complex input.
# We also use this case for other dtypes, since it's
# probably faster.
absdiffs = np.abs(c1-c2)
return np.argmin(absdiffs)
当然,这是对这种行为的测试,修改后的表单通过,而未修改的表单失败:
class SplitpointUnsignedTest(unittest.TestCase):
def testBestApproximation(self):
self.assertEquals(1, splitpoint(numpy.array([5, 5, 4, 5], dtype=numpy.uint32)))
你们可以从下面的代码中找到平衡点
a = [1,3,5,2,2]
b = equilibirum(a)
n = len(a)
first_sum = 0
last_sum = 0
if n==1:
print (1)
return 0
for i in range(n):
first_sum=first_sum+a[i]
for j in range(i+2,n):
last_sum=last_sum+a[j]
if first_sum ==last_sum:
s=i+2
print (s)
return 0
last_sum=0
你的数组中有两个'3'。在我看来,也许你应该返回所需元素的索引,而不是它的值,只是为了知道哪个3是实际的平衡?在这个特定的例子中,它是:
f(a) = 4 # (because a[4] = 3)
而不是:
f(a) = 3
如果是这样的话,我的建议是如何定义适当的函数:
def equi(arr):
length = len(arr)
if length == 0: return -1
if length == 1: return 0
i = 1
j = 0
# starting sum1 (the 'left' sum)
sum1 = 0
# starting sum2 (the 'right' sum)
sum2 = sum(arr[1:])
while j < length:
if sum1 == sum2: return j
if j == length-1:
sum2 = 0
else:
sum1 += arr[j]
sum2 -= arr[j+1]
j += 1
if sum1 != 0: return -1
def equi(arr):
长度=长度(arr)
如果长度==0:返回-1
如果长度==1:返回0
i=1
j=0
#起始sum1(“左”和)
sum1=0
#起始sum2(“正确”总和)
sum2=总和(arr[1:]
而j<长度:
如果sum1==sum2:返回j
如果j==长度-1:
sum2=0
其他:
sum1+=arr[j]
sum2-=arr[j+1]
j+=1
如果sum1!=0:返回-1
注:这是我第一次对堆栈溢出做出贡献,我是编程行乞者。如果我的解决方案不好,请随意评论!几乎,你应该np.abs减法(否则你会得到最小的第一个元素)@agomcas我一按enter键就注意到了。更新后的版本在OP的示例中仍然返回2,而它应该返回3,因为它无法区分前2和第二个(我的意思是在argmin
的参数中)。我建议使用searchsorted
来搜索c
forc[-1]/2
。将chw21和user2357112:np.searchsorted(a.cumsum(),a.sum()/2.)结合起来,就为了你在一个答案中投入的工作量,我不得不给你投票;)这是一项了不起的工作。我为此向你致敬。我会接受这个答案,因为它是关于这个问题的最完整的解释。