python - numpy 中是否有“反向剪辑”功能？

Question

我有工作代码，但想知道是否有它的numpy实现。这更多是为了满足我的好奇心以及优化和使代码更漂亮；我没有严重的问题。不过，我想这种情况很常见，以至于除了我自己之外，其他人都会很感兴趣。

所以，情况：我在一个循环中多次计算一个值，并且只想保存最小值和最大值。

最初，我使用

import numpy as np
vals = []
for obj in objects:
    #...do stuff...
    vals.append(obj.calc_value())
    #...do more stuff
minmax = [np.min(vals), np.max(vals)]

哪个有效，又好又短。但是，因为我存储了所有值，但只需要最小值和最大值，这似乎浪费了非常好的内存空间。因此我将其更改为

import numpy as np
minmax = [np.inf, -np.inf]
for obj in objects:
    #...do stuff...
    val = obj.calc_value()
    if val < minmax[0]:
        minmax[0] = val
    if val > minmax[1]:
        minmax[1] = val
    #...do more stuff

这也有效，但有点冗长。当然，我可以将代码中的四行提取到我猜的函数中，但是......

我不禁想知道，如果没有这个numpy功能。类似于“反向”clip功能。一个函数，类似于clip，将值与区间进行比较。但是它不会返回（可能更改的）值，因此它位于提供的间隔（这是什么clip），而是返回所需的（可能扩展的）间隔，以便提供的值位于其中。

import numpy as np
minmax = [np.inf, -np.inf]
for obj in objects:
    #...do stuff...
    minmax = np.reverse_clip(minmax, obj.calc_value())
    #...do more stuff

如果有，我很想听听。另外，有什么想法我怎么能在不问这里的情况下找到它？我查看了numpy的数组方法，但在那里找不到。

标签： pythonnumpy

Answer 1

您可以反转第一项上的符号并将其应用于max两者，然后在循环后将其更改回来：

for obj in objects:
    i = obj.calc_value()
    minmax= map(max, zip([-i, i], minmax)) # using python
    minmax = np.vstack((minmax, [-i, i])).max(0) #using numpy
minmax *= np.array([-1, 1]) #using numpy
minmax = [i * j for i, j in zip(a1, [-1, 1])] # using python, or do list(a1) * np.array([-1, 1])