Question

I m 寻找从某些原始数字清单中获取每个“新最高”和(或)每个“新最高”指数清单的绝佳途径。

For example, the desired result given a list [1.0, 3.0, 2.0, 3.0, 5.0, 4.0] would be the list [1.0, 3.0, 5.0] and/or the list of indexes [0, 1, 4].

做到这一点的一个简单办法是:

values = [1.0, 3.0, 2.0, 3.0, 5.0, 4.0]
result = [values[0]]

for val in values:
    if val > result[-1]:
        result.append(val)

print(result)  # [1.0, 3.0, 5.0]

然而,我更有兴趣了解这些类型的清单算法如何以权宜(如非中值一行)和效率(即使有如假定的模块)。

Answer 1

Using pandas.Series.expanding (或, 同样,:

pd.Series(values).expanding().max().unique() # gives: array([1., 3., 5.])
pd.Series(values).cummax().unique() # gives: array([1., 3., 5.])

Using numpy.ufunc.accumulate (specifically on numpy.maximum):

np.unique(np.maximum.accumulate(values)) # array([1., 3., 5.])

但是,视此为你们的风格,只要你需要,你就能够简单地把你的守则束缚到一种功能中,它就成为一种线性功能。因此,这也应当为你的需要而努力:

def cum_unique_max(values):
    if len(values) == 0:
        # decide what you want in case the input is empty
        return []
    
    result = [values[0]]
    for val in values[1:]:  #  starting from the second value
        if val > result[-1]:
            result.append(val)
    
    return result

values = [1.0, 3.0, 2.0, 3.0, 5.0, 4.0]
print(cum_unique_max(values)) # [1.0, 3.0, 5.0]

友情链接