algorithm - 根据 python 中的 %age overlap，使用另一个不同长度和范围的列表有条件地替换一个列表中的值

Question

一个文本文件“Truth”包含以下这些值:

0.000000    3.810000    Three
3.810000    3.910923    NNNN
3.910923    5.429000    AAAA
5.429000    7.060000    AAAA
7.060000    8.411000    MMMM
8.411000    8.971000    MMMM
8.971000    13.40600    MMMM
13.40600    13.82700    Zero
13.82700    15.935554   One

另一个文本文件，“测试”包含以下值:

0.000000    3.810000    Three
3.810000    3.910923    Three
3.910923    5.429000    AAAA
5.429000    7.060000    Three
7.060000    8.411000    Three
8.411000    8.971000    Zero
8.971000    13.40600    Three
13.40600    13.82700    Zero
13.82700    15.935554   Two
15.935554   20.138337   Two 

现在我想用 Truth 中的 MMMM 标签替换 Test 中的标签。

我目前的工作代码是:

### Assuming I have already read in both the files into truth and test

res = []

for j in range(len(truth)):
    if truth[j][2]== 'MMMM' and truth[j][0]==test[j][0] and truth[j][1]==test[j][1]:
        res.append((test[j][0], test[j][1],truth[j][2]))
    else:
        res.append((test[j][0], test[j][1],test[j][2]))
for i in range(len(res)):
    print res[i]

我的代码很丑陋，但只要范围匹配就可以正常工作。但是我不确定如何处理以防真实文件比测试文件长得多，即间隔和标签的数量更多。

Ex 我的真实文件可能是这样的:

    0.000000    1.00000     MMMM
    1.000       3.810000    Three
    3.810000    3.910923    NNNN
    3.910923    5.429000    AAAA
    5.429000    6.0000      MMMM
    6.0000      7.060000    AAAA
    7.060000    8.411000    MMMM
    8.411000    8.971000    MMMM
    8.971000    11.00       abcd
    11.00       13.40600    MMMM
    13.40600    13.82700    Zero
    13.82700    15.935554   One

在这种情况下，我该如何准确地进行标签的更新/替换，同时将数据丢失降至最低？

换句话说，我应该如何创建一些条件指标，例如在给定时间范围内用 MMMM 替换标签的 80 %age overlap？请指教。谢谢

Answer 1

我不确定我是否完全理解你的问题，但如果你指的是我认为你是什么，那么你需要担心“越界”以及“真相”和测试不会相同的事实j 中的通信 - 如您所述。

解决这个问题的方法是对 truth[j] 和 test[k](或任何你想称呼的名称)使用两个不同的索引。您显然可以使用两个循环来连续迭代整个测试，但这不会使代码高效。

我建议使用第二个索引作为一个计数器，它会持续增加 1(将其视为一个 while 循环，它是 while "value test[k] in range of value truth[j] 并做您当前正在做的事情。

每当你到达一个点，即 test[k] 值超出你当前的 truth[j] 范围时，你继续到下一个 j(真实值区间)。

希望有所帮助并有意义

---

l_truth = len(truth)
l_test = len(test)

count = 0

res = []

for j in range(l_truth):
    count2= count
    for k in range(count2,l_test):
        if truth[j][2]== 'MMMM': 
            min_truth = truth[j][0]
            max_truth = truth[j][1]
            min_test = test[k][0]
            max_test = test[k][1]

            #diff_truth = max_truth - min_truth
            diff_test = max_test - min_test

            if (min_truth <= min_test) and (max_truth >= max_test):
                res.append((test[k][0], test[k][1],truth[j][2]))
                count +=1
            elif (min_truth <= min_test) and (max_truth <= max_test):
                #diff_min = min_truth - min_test
                diff_max = max_test - max_truth
                ratio = diff_max/diff_test
                if ratio <= 0.2:
                    res.append((test[k][0], test[k][1],truth[j][2]))
                    count +=1
            elif (min_truth >= min_test) and (max_truth >= max_test):
                diff_min = min_truth - min_test
                #diff_max = max_test - max_truth
                ratio = diff_min/diff_test
                if ratio <= 0.2:
                    res.append((test[k][0], test[k][1],truth[j][2]))
                    count+=1
            elif (min_truth >= min_test) and (max_truth <= max_test):
                diff_min = min_truth - min_test
                diff_max = max_test - max_truth
                ratio = (diff_min+diff_max)/diff_test
                if ratio <= 0.2:
                    res.append((test[k][0], test[k][1],truth[j][2]))
                    count+=1
            else:
                pass
        else:
            continue

for i in range(len(res)):
    print res[i]

检查这是否有效。实际上，我不得不使用两个循环，但我确信还有其他更有效的方法可以做到这一点。