我正在寻找一种有效的方法将数组拆分成具有类似直方图的块.
例如,给定数组:
l = np.array([1, 2, 3, 4, 1, 1, 1, 2, 3, 4, 55, 5, 5, 5, 5, 5, 3, 2, 2, 21, 2])
我想获得:
c1 = np.array([1, 4, 1, 5, 5, 3, 2])
c2 = np.array([2, 1, 3, 4, 5, 5, 2])
c3 = np.array([3, 1, 2, 55, 5, 2, 21])
不仅如此,每个块在给定函数f上应具有相似的大小和类似的总和:
1. |sum(ci, f) - sum(cj, f)| < e, for i != j
2. |len(ci) - len(cj)| < e, for i != j
哪里
sum(c, f) = f(c[0]) + ... + f(c[len(c)])
编辑:
澄清这个意图.我希望将列表上的流程并行化为n个子流程,但必须在每个子流程之间均匀分配成本.处理该列表中的元素的成本是数组l中相同位置处的整数的函数f,其中f是该过程的计算复杂度.例如,f(i)= i ^ 2.因此,我希望所有流程都具有相同的计算成本,而不是让流程过早完成而其他流程永远持续.