两个 Python 列表的匹配长度

Question

我有两个 Python 不同长度的列表。人们可能会假设其中一个列表比另一个列表大数倍。

两个列表包含相同的物理数据，但使用不同的采样率捕获。

我的目标是对较大信号进行下采样，使其具有与较小信号一样多的数据点。

我想出了下面的代码，它基本上完成了工作，但既不是很 Pythonic 也不能以高效的方式处理非常大的列表：

import math

a = [1,2,3,4,5,6,7,8,9,10]
b = [1,4.5,6.9]

if len(a) > len(b):
    div = int(math.floor(len(a)/len(b)))
    a = a[::div]
    diff = len(a)-len(b)
    a = a[:-diff]
else:
    div = int(math.floor(len(b)/len(a)))
    b = b[::div]
    diff = len(b)-len(a)
    b = b[:-diff]
print a
print b

如果更有经验的 Python 用户可以详细说明解决此任务的替代方法，我将不胜感激。

非常感谢任何回答或评论。

Answer 1

这是代码的简化版本（不一定具有更好的性能）：

a = [1,2,3,4,5,6,7,8,9,10]
b = [1,4.5,6.9]
order = 0  # To determine a and b.

if len(b) > len(a):
    a, b = b, a  # swap the values so that 'a' is always larger.
    order = 1

div = len(a) / len(b)  # In Python2, this already gives the floor.
a = a[::div][:len(b)]

if order:
    print b
    print a
else:
    print a
    print b

由于您最终要丢弃较大列表中后面的一些元素，显式 for 循环可能会提高性能，因为这样您就不必 "jump"将被丢弃：

new_a = []
jump = len(b)
index = 0
for i in range(jump):
    new_a.append(a[index])
    index += jump
a = new_a

Answer 2

如果要遍历列表，可以使用生成器，这样就不必将整个内容复制到内存中。

from __future__ import division

a = [1,2,3,4,5,6,7,8,9,10]
b = [1,4.5,6.9]

def zip_downsample(a, b):
    if len(a) > len(b):
        b, a = a, b  # make b the longer list
    for i in xrange(len(a)):
        yield a[i], b[i * len(b) // len(a)]

for z in zip_downsample(a, b):
    print z

Answer 3

#a = [1,2,3,4,5,6,7,8,9,10]
#b = [1,4.5,6.9]

a, b = zip(*zip(a, b))

# a = [1, 2, 3]
# b = [1, 4.5, 6.9]

内部 zip 将列表组合成 pars，从较大的列表中丢弃多余的项目，返回类似 [(1, 1), (2, 4.5), (3, 6.9)] 的内容。然后外部 zip 执行与此相反的操作（因为我们使用 * 运算符解压缩），但是由于我们已经丢弃了第一个 zip 的多余部分，因此列表的大小应该相同。这个 returns 作为 [a, b] 所以我们然后解压到各自的变量 (a, b = ...).

见 https://www.programiz.com/python-programming/methods/built-in/zip 有关 zip 的更多信息并将其用作自己的反函数

Answer 4

首先，为了提高性能，您应该使用 numpy。这些问题被标记为 numpy，所以也许你已经是，并且没有显示它，但无论如何列表都可以转换为带有

的 numpy 数组

import numpy as np
a = np.array(a)
b = np.array(b)

索引是一样的。可以在数组上使用 len，但 array.shape 更通用，给出以下（非常相似）代码。

 a[::a.shape[0] // b.shape[0]]

在性能方面，这应该会大大提高大多数数据的速度。使用更大的 a 和 b 数组（分别为 10e6 和 1e6 元素）进行测试，表明 numpy 可以大大提高性能。

a = np.ones(10000000)
b = np.ones(1000000)

%timeit a[::a.shape[0] // b.shape[0]]  # Numpy arrays
1000000 loops, best of 3: 348 ns per loop

a = list(a); 
b = list(b);
%timeit a[::len(a) // len(b)]    # Plain old python lists
1000000 loops, best of 3: 29.5 ms per loop

两个 Python 列表的匹配长度

Match length of two Python lists

python

signal-processing

numpy

list

python-2.7