基於Python中的模糊值縮小列表

Question

我有一個包含幾乎相同的數值組的列表。即（1004.523,1004.575,1004.475,791.385,791.298,791.301,791.305,791.299）

我想要做的就是通讀列表並找到所有1004.5 +值聚合它們並找到平均值。然後繼續查找所有791.0 + - 值，並對它們執行相同操作。

我不知道每個「團隊」中會有多少個人價值觀，也不知道會有多少個團體。

我正在尋找的結果是另一個列表，其中將包含每個組的平均值。所以在這個例子中我的結果是（1004.524,791.3176）

我目前使用的代碼非常Kludgey，似乎應該有一個更好的方法來做到這一點。

正如你所看到的，我必須在else中重複一次代碼兩次，如果自從最後一組數字沒有觸發else，那麼一次結束。加上完成後，如果我需要添加最後一個值。

如果我使用len（音調）而不是len（音調）-i我得到超出範圍的錯誤。

任何想法或建議，將不勝感激。謝謝你的幫助。

埃德

toneLen = len(tones) -1 
    for i in range(0, toneLen): 
     if abs(tones[i]-tones[i+1]) <= 2.0: 
      tmpTones.append(tones[i]) 
     else: 
      freq = mean(tmpTones) 
      newTones.append(freq) 
      tmpTones = [] 
    tmpTones.append(tones[i+1]) 
    freq = mean(tmpTones) 
    newTones.append(freq)     
    tones = newTones 

UPDATE： 首先，我要感謝大家誰提交建議。答覆非常快速且有幫助。我應該可能在下面包含更多信息。非常感謝你的幫助。

其次，快速解釋我正在嘗試做什麼。我們當地的消防部門正在尋找一種方法來跟蹤接近他們的部門的派遣。大多數情況下，他們使用兩個音調順序尋呼，即1000Hz，然後是500Hz。

所以我使用numpy fft來查找音頻。由於音調的準確度似乎約爲±2 Hz，因此我將計算出的頻率與已知尋呼音列表進行比較，並選擇最接近的匹配。在所有音調與尋呼音匹配後，我會尋找與感興趣的部門匹配的信息。

有一件事我不知道什麼時候開始，在任何給定的調度中，同一個音可以重複多次，所以音的順序很重要。例如： 707.3，339.6，707.3，569.1，447.2，569.1將是一個典型的調度。然後我看看是否有任何音調對是我感興趣的，如果有的話，我會顯示一條消息

再次感謝您的幫助。

埃德

Answer 1

此發現幾乎相同的值的組之間的邊界，然後計算使用在原始片的平均名單。

tones = (1004.523, 1004.575, 1004.475, 791.385, 791.298, 791.301, 791.305, 791.299) 
splits = [i for i in range(1, len(tones)) if abs(tones[i-1] - tones[i]) > 2] 
splits = [0] + splits + [len(tones)] 
tones = [mean(tones[splits[i-1]:splits[i]]) for i in range(1, len(splits))] 
# [1004.5243333333333, 791.31759999999997] 

Answer 2

如果你知道什麼號碼可能出現的順序，你可以使用這個（exacttones預期值列表）：

tones = (1004.523, 1004.575, 1004.475, 791.385, 791.298, 791.301, 791.305, 791.299) 
exacttones = (1004.5, 791.3) 
limit = 0.2 
[sum(x)/len(x) for x in [[y for y in tones if abs((y-e))<=limit] for e in exacttones]] 
# [1004.5243333333333, 791.31759999999997] 

分析序列不知道exacttones，像這將工作：

def calc(d, value): 
    for k in d: 
     if abs(k-value) <= limit: 
      d[k].append(value) 
      return d 
    d[value] = [value] 
    return d 
[sum(x)/len(x) for x in reduce(calc, values, {}).values()] 
# [1004.5243333333333, 791.31759999999997] 

Answer 3

也許您在尋找kmeans clustering。

在下面的代碼中，我使用scipy.cluster.vq.kmeans將數據聚類到k組中。 如果失真大於某個設定的閾值量，則我們將k增加1，然後重新進行kmeans聚類。我們重複，直到找到總失真小於threshold的組爲止。

import scipy.cluster.vq as scv 
import numpy as np 
import collections 
def auto_cluster(data,threshold=0.1): 
    # There are more sophisticated ways of determining k 
    # See http://en.wikipedia.org/wiki/Determining_the_number_of_clusters_in_a_data_set 
    k=1 
    distortion=1e20 
    while distortion>threshold: 
     codebook,distortion=scv.kmeans(data,k) 
     k+=1 
    code,dist=scv.vq(data,codebook)  
    groups=collections.defaultdict(list) 
    for index,datum in zip(code,data): 
     groups[index].append(datum) 
    return groups 

data=np.array((1004.523, 1004.575, 1004.475, 791.385, 791.298, 791.301, 791.305, 791.299)) 
groups=auto_cluster(data)  
for index in groups: 
    print('{index}: ave({d}) = {ave}'.format(
     index=index, 
     d=','.join(map('{0:g}'.format,groups[index])), 
     ave=np.mean(groups[index])) 
     ) 

產生

0: ave(791.385,791.298,791.301,791.305,791.299) = 791.3176 
1: ave(1004.52,1004.58,1004.48) = 1004.52433333 

Answer 4

這確實沒有中間臨時列表：

assert tones 
total = prev = tones[0] 
count = 1 
newlist = [] 
for i in xrange(1, len(tones)): 
    t = tones[i] 
    if abs(t - prev) <= DELTA: 
     total += t 
     count += 1 
     prev = t 
    else: 
     newlist.append(total/count) 
     total = prev = t 
     count = 1 
newlist.append(total/count) 

Answer 5

假設這是音調的列表，你可能需要使用一小部分，如1.059確定的範圍內分配到一組，而不是硬編碼了一些像2.0。

def average_tones(tones): 
    threshold = 1.059 
    average = 0 
    count = 0 
    for tone in sorted(tones): 
     if count != 0 and tone >= average*threshold: 
      yield average 
      count = 0 
     average = (average * count + tone)/(count + 1) 
     count += 1 
    if count != 0: 
     yield average