python - 替换序列中的 1's with 0'

Question

我有一大堆像这样的 1 和 0 的列表:

x = [1,0,0,0,1,1,1,1,1,0,0,0,0,0,0,1,1,1,1,1,1,1,1,1,1].  

完整列表 here .

我想创建一个新列表 y，条件是，只有当 1 出现在 >= than 10 的序列中时，才应保留 1，否则应将这些 1 替换为零。
ex 基于上面的 x ^ ，y 应该变成:

y = [0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,1,1,1,1,1,1,1,1,1].  

到目前为止，我有以下内容:

1. 找出发生变化的地方
2. 找出以何种频率出现的序列:

---

import numpy as np
import itertools
nx = np.array(x)
print np.argwhere(np.diff(nx)).squeeze()

answer = []
for key, iter in itertools.groupby(nx):
    answer.append((key, len(list(iter))))
print answer

这给了我:

[0 3 8 14]  # A
[(1, 1), (0, 3), (1, 5), (0, 6), (1, 10)] # B

#A 这意味着更改发生在第 0、3 等位置之后。

#B 表示有一个 1，后面跟着三个 0，接着是五个 1，接着是 6 个零，最后是 10 个 1。

我如何继续创建 y 的最后一步，我们将根据序列长度用 0 替换 1？

PS:##我对来自所有杰出人士的出色解决方案感到谦卑。

Answer 1

只需在迭代分组依据时进行检查。像这样的东西:

>>> from itertools import groupby
>>> x = [1,0,0,0,1,1,1,1,1,0,0,0,0,0,0,1,1,1,1,1,1,1,1,1,1]
>>> result = []
>>> for k, g in groupby(x):
...     if k:
...         g = list(g)
...         if len(g) < 10:
...             g = len(g)*[0]
...     result.extend(g)
...
>>> result
[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1]

请注意，至少对于这种大小的数据集，这比相应的 pandas 解决方案更快:

In [11]: from itertools import groupby

In [12]: %%timeit
    ...: result = []
    ...: for k, g in groupby(x):
    ...:     if k:
    ...:         g = list(g)
    ...:         if len(g) < 10:
    ...:             g = len(g)*[0]
    ...:     result.extend(g)
    ...:
181 µs ± 1.72 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

In [13]: %%timeit s = pd.Series(x)
    ...: s[s.groupby(s.ne(1).cumsum()).transform('count').lt(10)] = 0
    ...:
4.03 ms ± 176 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

请注意，这是对 pandas 解决方案的慷慨，不计算从列表转换为 pd.Series 或转换回来的任何时间，包括那些:

In [14]: %%timeit
    ...: s = pd.Series(x)
    ...: s[s.groupby(s.ne(1).cumsum()).transform('count').lt(10)] = 0
    ...: s = s.tolist()
    ...:
4.92 ms ± 119 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)