好吧,让我们假设我有一个像这样的值列表:
list = [-0.23, -0.5, -0.3, -0.8, 0.3, 0.6, 0.8, -0.9, -0.4, 0.1, 0.6]
我想在这个列表上循环,当符号改变时,得到第一个区间的最大值(如果它是负的最小值)和下一个区间的最大值(如果它是负的则)的绝对差值.
例如,在上一个列表中,我们希望得到如下结果:
[1.6, 1.7, 1.5]
棘手的部分是它必须也适用于以下列表:
list = [0.12, -0.23, 0.52, 0.2, 0.6, -0.3, 0.4]
哪个会回归:
[0.35, 0.83, 0.9, 0.7]
这很棘手,因为有些时间间隔长了1个值,而且我在管理它时遇到了困难.
你会用尽可能少的线数来解决这个问题?
这是我目前的代码,但目前还没有工作.
list是一个包含6个列表的列表,其中这6个列表中的每一个都包含nan,否则是一个包含1024个值的np.array(我想要评估的值)
Hmax = []
for c in range(0,6):
Hmax_tmp = []
for i in range(len(list[c])):
if(not np.isnan(list[c][i]).any()):
zero_crossings = np.where(np.diff(np.sign(list[c][i])))[0]
if(not zero_crossings[0] == 0):
zero_crossings = [0] + zero_crossings.tolist() + [1023]
diff = []
for j in range(1,len(zero_crossings)-2):
if
diff.append(max(list[c][i][np.arange(zero_crossings[j-1],zero_crossings[j])].min(), list[c][i][np.arange(zero_crossings[j]+1,zero_crossings[j+1])].max(), key=abs) - max(list[c][i][np.arange(zero_crossings[j+1],zero_crossings[j+2])].min(), list[c][i][np.arange(zero_crossings[j+1],zero_crossings[j+2])].max(), key=abs))
Hmax_tmp.append(np.max(diff))
else:
Hmax_tmp.append(np.nan)
Hmax.append(Hmax_tmp)