推荐学习书目 Learn Python the Hard Way Python Sites PyPI - Python Package Index http://diveintopython.org/toc/index.html Pocoo 值得关注的项目 PyPy Celery Jinja2 Read the Docs gevent pyenv virtualenv Stackless Python Beautiful Soup 结巴中文分词 Green Unicorn Sentry Shovel Pyflakes pytest Python 编程 pep8 Checker Styles PEP 8 Google Python Style Guide Code Style from The Hitchhiker's Guide
这是一个创建于 604 天前的主题，其中的信息可能已经有所发展或是发生改变。
给出有序整数列，不连续，不重复，但部分片段会连续
从这个序列抽取 n 个，要求尽可能分散（首尾最大最小值应该包含），相当于尽可能均匀分散于平分的 n 个区间内
gpt3.5 似乎没能理解“分散”的意思
让它找哪个包能实现也没有好的答案
如 1,2,3,5,7,8,9,10 取 4 个
结果应为 1,3,7,10
ps: 好像 1,5,8,10 更佳？
从这个序列抽取 n 个，要求尽可能分散（首尾最大最小值应该包含），相当于尽可能均匀分散于平分的 n 个区间内
gpt3.5 似乎没能理解“分散”的意思
让它找哪个包能实现也没有好的答案
如 1,2,3,5,7,8,9,10 取 4 个
结果应为 1,3,7,10
ps: 好像 1,5,8,10 更佳？
 | 1 Oldletter 2024-02-22 16:55:16 +08:00  1 那按照您的描述 [1, 5, 8, 10] 是不是也符合您的需要 |
 | 2 lsk569937453 2024-02-22 17:02:40 +08:00 1 你需求也没清楚啊： a.1 2 4 6 8 100 101 200 205 1000 b.1 2 4 6 8 10 12 14 16 1000 c.1 200 400 600 800 1000 20000 上面 a,b,c 三种情况应该输出什么？ |
 | 3 winglight2016 2024-02-22 17:06:48 +08:00 1 不是 gpt 不理解“分散”，而是你自己都不知道。 另外，不讲需求就提算法，除非是很成熟的案例，不然也是没法 design 的 |
 | 4 error451 2024-02-22 17:08:16 +08:00 1 n =1 中间值 n = 2 首尾 n = 3 首尾 + 中间值 n > 3 去掉首尾， 然后把中间的序列按照 len / (n-2) 分块，每一块取中间值 |
 | 5 NoOneNoBody OP @lsk569937453 #2 原数列本来就密度不均的话，那也是没办法，只能抽取，不能生成 a 应是 1,100,205, 1000 b: 1, 8, 16, 1000 c:1, 600, 1000, 20000 @Oldletter #1 不需要唯一答案，只需要基本满足条件，其实就是减少随机抽样出现“密度过于集中”这种不可控的情况，人为干预一下 |
 | 6 yuyue001 2024-02-22 17:12:21 +08:00 1 In [19]: import numpy as np In [20]: l = [1,2,3,5,7,8,9,10] In [21]: res = [l[i] for i in np.arange(len(l))[::2]] In [22]: res[-1] = l[-1] In [23]: res Out[23]: [1, 3, 7, 10] GPT 往往不太擅长处理数学问题。 |
| 7 Oldletter 2024-02-22 17:17:35 +08:00 1 def select_numbers_optimized(seq, n): # 计算总间隔数：相邻数字之间的差值总和 intervals = [seq[i + 1] - seq[i] for i in range(len(seq) - 1)] # 计算目标间隔长度：将总间隔数除以(n-1)，得到每个子区间的目标间隔长度 target_interval_length = sum(intervals) / (n - 1) selected, current_interval_length = [seq[0]], 0 for i in range(len(intervals)): current_interval_length += intervals[i] # 当累积的间隔长度达到或超过目标间隔长度时，选择当前数字 if current_interval_length >= target_interval_length: selected.append(seq[i + 1]) current_interval_length = 0 if len(selected) == n - 1: # 如果已选择了 n-1 个数字，则停止循环 break selected.append(seq[-1]) # 总是包括序列的最后一个数字 return selected if __name__ == '__main__': sequence = [1, 2, 3, 5, 7, 8, 9, 10] n = 4 selected_numbers_optimized = select_numbers_optimized(sequence, n) print("干预后选出的数字:", selected_numbers_optimized) |
| 8 NoOneNoBody OP @yuyue001 #8 我本意是想 gpt 帮我找找哪个包的方法能实现，它阅读的手册肯定比我多很多，我以为 sklearn 有方法已经能完成这个，没想到没有找到 |
 | 9 Famio 2024-02-22 17:58:49 +08:00 span class="small fade"> 1 不专业的回答一下，这个和滤波过程有点像，我在做 realsense 深度处理的时候，是这样处理的： 例如取 10 帧画面的值，然后再取平均值，这个平均值和 10 帧中最接近的那个值就是我滤剩的结果。 |
 | 10 Puteulanus 2024-02-22 18:12:34 +08:00 1 感觉跟之前看向量数据库的描述有点像，你想要的是不是聚类算法 |
| 11 NoOneNoBody OP @Famio #9 和我的思路很接近，只是这个思路处理密度接近均匀的可行，但我没想好#2 所说那种密度不均的情况，而且这种样本可能性不小 |
 | 12 mkroen 2024-02-22 18:18:49 +08:00 1 这个问题在于怎么理解“分散” 1.理解为中位数 ①结果可以固定，自带 range 就能实现 ②结果需要随机，分段随机就行 2.理解为平均数（分位数） ①根据分位数分成多段，分别进行随机 我理解 OP 的意思是分位数 |
| 13 Puteulanus 2024-02-22 18:44:47 +08:00 1 |
 | 14 bugcoder 2024-02-22 23:41:32 +08:00 1 找一下画直方图的时候，找不等的 bin size 的算法 |
| 15 NoOneNoBody OP @bugcoder #14 刚写完，还真是用了直方图计数，大致原理是这几句 bin_edges = np.linspace(np.min(sequence), np.max(sequence)+.1, n+1) hints, _ = np.histogram(sequence, bins=bin_edges) indices = np.cumsum(hints)[:-1] arr = np.split(sequence, indices) 然后从 arr 逐个按权重提取 |
Select Language