python - Python中的滑动窗口

Question

我通过标记化文本文档使用了以下著名的代码来实现滑动窗口:

def window(fseq, window_size):
    "Sliding window"
    it = iter(fseq)
    result = tuple(islice(it, 0, window_size, round(window_size/4)))
    if len(result) == window_size:
        yield result
    for elem in it:
        result = result[1:] + (elem,)
        result_list = list(result)
        yield result_list

当我想调用窗口大小小于 6 的函数时，一切正常，但是当我增加窗口大小时，文本的开头就会被剪切。

例如:

c=['A','B','C','D','E', 'F','G','H','I','J','K','L','M','N','O','P','Q','R','S','T','U','V','W','X','Y','Z']
print(list(window(c, 4)))
print(list(window(c, 8)))

输出:

[('A', 'B', 'C', 'D'), ['B', 'C', 'D', 'E'], ['C', 'D', 'E', 'F'], ['D', 'E', 'F', 'G'], ['E', 'F', 'G', 'H'], ['F', 'G', 'H', 'I'],...

[['C', 'E', 'G', 'I'], ['E', 'G', 'I', 'J'], ['G', 'I', 'J', 'K'], ['I', 'J', 'K', 'L'], ['J', 'K', 'L', 'M']...

怎么了？为什么在第一个输出中第一个元素位于圆括号中？

我对 print(list(window(c, 8))) 的预期输出是:

[['A','B','C', 'D', 'E', 'F','G','H'], ['C', 'D', 'E', 'F', 'G', 'H', 'I', 'J'], ['E', 'F', 'G', 'H', 'I', 'K', 'L', 'M']...

Answer 1

您的版本不正确。它向 islice() 函数添加了第四个参数(步长)，该函数限制了第一个切片的大小:

result = tuple(islice(it, 0, window_size, round(window_size/4)))

对于 4 或 5，round(window_size/4) 生成 1，即默认步长。但对于较大的值，这会产生一个步长，保证从第一个窗口中省略值，因此下一个测试 len(result) == window_size 保证为 false。

删除步长参数，您将再次获得第一个窗口。另请参阅Rolling or sliding window iterator in Python .

第一个结果位于“圆括号”中，因为它是一个元组。如果您想要一个列表，请在代码中使用 list() 而不是 tuple()。

如果您想让窗口以大于 1 的步长滑动，则不应更改初始窗口。当您迭代时，您需要在窗口中添加和删除步长大小的元素。使用 while 循环可以更轻松地完成此操作:

def window_with_larger_step(fseq, window_size):
    """Sliding window

    The step size the window moves over increases with the size of the window.
    """
    it = iter(fseq)
    result = list(islice(it, 0, window_size))
    if len(result) == window_size:
        yield result
    step_size = max(1, int(round(window_size / 4)))  # no smaller than 1
    while True:
        new_elements = list(islice(it, step_size))
        if len(new_elements) < step_size:
            break
        result = result[step_size:] + list(islice(it, step_size))
        yield result

这会将 step_size 元素添加到运行结果中，并从开头删除 step_size 元素以保持窗口大小均匀。

演示:

>>> print(list(window_with_larger_step(c, 6)))
[['A', 'B', 'C', 'D', 'E', 'F'], ['C', 'D', 'E', 'F', 'I', 'J'], ['E', 'F', 'I', 'J', 'M', 'N'], ['I', 'J', 'M', 'N', 'Q', 'R'], ['M', 'N', 'Q', 'R', 'U', 'V'], ['Q', 'R', 'U', 'V', 'Y', 'Z']]
>>> print(list(window_with_larger_step(c, 8)))
[['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H'], ['C', 'D', 'E', 'F', 'G', 'H', 'K', 'L'], ['E', 'F', 'G', 'H', 'K', 'L', 'O', 'P'], ['G', 'H', 'K', 'L', 'O', 'P', 'S', 'T'], ['K', 'L', 'O', 'P', 'S', 'T', 'W', 'X'], ['O', 'P', 'S', 'T', 'W', 'X']]
>>> print(list(window_with_larger_step(c, 10)))
[['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J'], ['D', 'E', 'F', 'G', 'H', 'I', 'J', 'N', 'O', 'P'], ['G', 'H', 'I', 'J', 'N', 'O', 'P', 'T', 'U', 'V'], ['J', 'N', 'O', 'P', 'T', 'U', 'V', 'Z']]