تشغيل متوسط في بايثون

Question

هل هناك pythonic طريقة بناء قائمة تحتوي على تشغيل متوسط من بعض ؟

بعد القراءة متعة قطعة صغيرة حول المريخ الصناديق السوداء ، كوشي التوزيع, اعتقدت أنه سيكون من المرح لحساب متوسط قيد تشغيل من كوشي توزيع نفسي:

import math 
import random

def cauchy(location, scale):
    p = 0.0
    while p == 0.0:
        p = random.random()
    return location + scale*math.tan(math.pi*(p - 0.5))

# is this next block of code a good way to populate running_avg?
sum = 0
count = 0
max = 10
running_avg = []
while count < max:
    num = cauchy(3,1)
    sum += num
    count += 1
    running_avg.append(sum/count)

print running_avg     # or do something else with it, besides printing

أعتقد أن هذا النهج يعمل, ولكن أنا الغريب إذا قد يكون هناك أكثر أناقة نهج بناء هذا running_avg قائمة من استخدام الحلقات عدادات (مثلا ، قائمة comprehensions).

هناك بعض الأسئلة ذات الصلة ، ولكنها تعالج مشاكل أكثر تعقيدا (نافذة صغيرة الحجم الهائل الترجيح) أو ليست محددة إلى الثعبان:

• حساب المتوسط المتحرك الأسي في بايثون
• كيفية بكفاءة حساب تشغيل الانحراف المعياري ؟
• حساب المتوسط المتحرك قائمة

Answer 1

يمكن أن تكتب مولد:

def running_average():
  sum = 0
  count = 0
  while True:
    sum += cauchy(3,1)
    count += 1
    yield sum/count

أو بالنظر إلى مولد كوشي الأرقام وظيفة الأداة عن مجموع تراكمي مولد, هل يمكن أن يكون أنيق مولد التعبير:

# Cauchy numbers generator
def cauchy_numbers():
  while True:
    yield cauchy(3,1)

# running sum utility function
def running_sum(iterable):
  sum = 0
  for x in iterable:
    sum += x
    yield sum

# Running averages generator expression (** the neat part **)
running_avgs = (sum/(i+1) for (i,sum) in enumerate(running_sum(cauchy_numbers())))

# goes on forever
for avg in running_avgs:
  print avg

# alternatively, take just the first 10
import itertools
for avg in itertools.islice(running_avgs, 10):
  print avg

Answer 2

هل يمكن استخدام coroutines.وهي تشبه إلى مولدات, ولكن يسمح لك لإرسال القيم.Coroutines أضيف في بايثون 2.5, لذا لن ينجح في الإصدارات قبل ذلك.

def running_average():
    sum = 0.0
    count = 0
    value = yield(float('nan'))
    while True:
        sum += value
        count += 1
        value = yield(sum/count)

ravg = running_average()
next(ravg)   # advance the corutine to the first yield

for i in xrange(10):
    avg = ravg.send(cauchy(3,1))
    print 'Running average: %.6f' % (avg,)

باعتبارها قائمة على الفهم:

ravg = running_average()
next(ravg)
ravg_list = [ravg.send(cauchy(3,1)) for i in xrange(10)]

التعديلات:

• باستخدام next() وظيفة بدلا من it.next() الأسلوب.هذا هو لذلك سوف تعمل أيضا مع بيثون 3.على next() وظيفة كما تم العودة استدار إلى بيثون 2.6+.
  في بايثون 2.5 يمكنك إما استبدال المكالمات it.next(), أو تحديد next وظيفة نفسك.
  (شكرا آدم باركين)

Answer 3

لقد حصلت على اثنين من الحلول الممكنة هنا بالنسبة لك.وكلاهما عامة فقط تشغيل متوسط الوظائف التي تعمل على أي قائمة من الأرقام.(يمكن أن تعمل مع أي iterable)

مولد القائم:

nums = [cauchy(3,1) for x in xrange(10)]

def running_avg(numbers):
    for count in xrange(1, len(nums)+1):
        yield sum(numbers[:count])/count

print list(running_avg(nums))

قائمة على أساس الفهم (في الحقيقة نفس الكود كما في وقت سابق):

nums = [cauchy(3,1) for x in xrange(10)]

print [sum(nums[:count])/count for count in xrange(1, len(nums)+1)]

مولد-compatabile مولد القائم:

تحرير:هذا واحد أنا مجرد اختبار لمعرفة ما إذا كنت يمكن أن تجعل الحل متوافق مع المولدات الكهربائية بسهولة و ما سيكون الأداء.هذا هو ما جئت حتى مع.

def running_avg(numbers):
    sum = 0
    for count, number in enumerate(numbers):
        sum += number
        yield sum/(count+1)

راجع إحصائيات الأداء أدناه ، تستحق ذلك.

خصائص الأداء:

تحرير:كما قررت لاختبار Orip مثيرة للاهتمام استخدام عدة مولدات لمعرفة تأثير على الأداء.

باستخدام مرةلا التالية (1,000,000 التكرار 3 مرات):

print "Generator based:", ', '.join(str(x) for x in Timer('list(running_avg(nums))', 'from __main__ import nums, running_avg').repeat())
print "LC based:", ', '.join(str(x) for x in Timer('[sum(nums[:count])/count for count in xrange(1, len(nums)+1)]', 'from __main__ import nums').repeat())
print "Orip's:", ', '.join(str(x) for x in Timer('list(itertools.islice(running_avgs, 10))', 'from __main__ import itertools, running_avgs').repeat())

print "Generator-compatabile Generator based:", ', '.join(str(x) for x in Timer('list(running_avg(nums))', 'from __main__ import nums, running_avg').repeat())

أنا الحصول على النتائج التالية:

Generator based: 17.653908968, 17.8027219772, 18.0342400074
LC based: 14.3925321102, 14.4613749981, 14.4277560711
Orip's: 30.8035550117, 30.3142540455, 30.5146529675

Generator-compatabile Generator based: 3.55352187157, 3.54164409637, 3.59098005295

انظر تعليقات التعليمات البرمجية:

Orip's genEx based: 4.31488609314, 4.29926609993, 4.30518198013 

النتائج خلال ثوان ، LC مولد جديد متوافق مع مولد الأسلوب على نحو أسرع ، قد تختلف النتائج الخاصة بك على الرغم.أتوقع الفرق الهائل بين بلدي الأصلي مولد واحد جديد هو حقيقة أن المبلغ ليس محسوبا على الطاير.