3

配列を使用していくつかの操作 (ウェーブレット変換およびその他のさまざまな複雑さ) を実行し、それを前の配列およびそのプロパティと比較し、2 つを比較するグラフを出力し、最後にこの情報を含むように「前の」配列を更新するプログラムがあります。 . 基本的に、私のプログラムは少し長くなり始めて読みにくくなっていますが、すべての関数が同じ変数を読み込んで変更しているため、実際には関数に分割できません。関数で変数を変更するたびに、これらすべての変数をグローバルとして定義しないと、非常に困難です。

それから私はこれをオンラインで見つけました：

読み取りまたは書き込みのいずれかで、同じ状態変数を使用する関数がいくつかある場合があります。多くのパラメーターを渡しています。パラメーターを使用する関数に転送する必要があるネストされた関数があります。状態を保持するためにいくつかのモジュール変数を作成したくなるでしょう。

代わりにクラスを作成できます。クラスのすべてのメソッドは、クラスのすべてのインスタンス データにアクセスできます。共有状態をクラスに格納することで、それをパラメーターとしてメソッドに渡す必要がなくなります。

それで、代わりにクラスを使用してプログラムを記述できるようにするにはどうすればよいのでしょうか? 役に立ったらコードを添付できますが、かなり長いので、フォーラムをいっぱいにしたくありません!

コードは次のとおりです。

import os, sys, string, math
from optparse import OptionParser
import numpy as np
import pywt
import matplotlib.pyplot as plt
import matplotlib.mlab as mlab
from matplotlib.ticker import MaxNLocator
import glob

dir = os.getcwd()
profiles = glob.glob(dir+"/B0740-28/*_edit.FT.ascii")
for x in range(0,len(profiles)):
    profiles[x] = profiles[x][28:]
#produce list of profile file names

mode = 'per'
wavelets = ['db12']
levels = range(3,4)
starts = []
fig = 1
ix = 0 #profile index
changes = np.zeros(len(profiles))
#array to record shape changes

for num_levels in levels:
    for wavelet in wavelets:
        for profile in profiles:

            prof_name = profile.partition('.')[0]
            #remove file extension

            pfile=open(dir+'/B0740-28/'+profile)
            data = []
            for line in pfile:
                data.append(float(line))
            data = np.array(data)
            end = len(data)
            data = np.array(data)/max(data)
            #get pulse profile and normalise
            #ignore first 2 lines

            wav_name = wavelet.partition('.')[0]
            w = pywt.Wavelet(wavelet)
            useful = pywt.dwt_max_level(end,w)
            #find max level of decomposition

            coeffs = pywt.wavedec(data,wavelet,mode,level=num_levels)
            #create wavelet coefficients: cAn, cDn, cD(n-1)... cD1

            lowpass = pywt.upcoef('a',coeffs[0],wavelet,level=num_levels,take=end)
            highpass = np.zeros(end)
            for x in range(1,(num_levels+1)):
                highpass += pywt.upcoef('d',coeffs[len(coeffs)-x],wavelet,\
                                        level=x,take=end)
            #reverse transform by upcoef
            #define highpass and lowpass components

            for n in range(0,len(data)):
                if float(data[n]) > 0.4:
                    value = n
                    starts.append(value)
                    break
            if profile != profiles[0]:
                offset = starts[0]- value
                data = np.roll(data,offset)
                lowpass = np.roll(lowpass,offset)
                highpass = np.roll(highpass,offset)
            #adjust profiles so that they line up
            
            if profile == profiles[0]:
                data_prev = 0
                lowpass_prev = 0
                highpass_prev = 0
                mxm = data.argmax()

            diff_low = lowpass - lowpass_prev
            diff_high = highpass - highpass_prev
            if max(diff_low) >= 0.15 or min(diff_low) <= -0.15:
                changes[ix] = 1
            else: changes[ix] = 0
            #significant change?

            def doPlotting(name,yaxis):
                plt.plot(name)
                plt.xlim([mxm-80,mxm+100])
                plt.ylabel(yaxis)
                plt.gca().yaxis.set_major_locator(MaxNLocator(nbins=4))
            
            figure = plt.figure(fig)
            figure.subplots_adjust(hspace =.5)
            plt.suptitle('Comparison of Consecutive Profiles')
            plt.subplot(411); plt.plot(data_prev); \
                              doPlotting(data,'Data'); plt.ylim(ymax=1.1)
            plt.subplot(412); plt.plot(lowpass_prev); \
                              doPlotting(lowpass,'Lowpass'); plt.ylim(ymax=1.1)
            plt.subplot(413); plt.plot(highpass_prev); doPlotting(highpass,'Highpass')
            plt.subplot(414); doPlotting(diff_low,'Lowpass\nChange')
            plotname = 'differences_'+str(ix+1)+'_'+wav_name+'_'+str(num_levels)
            plt.savefig(dir+'/B0740-28/Plots/'+plotname)
            #creates plots of two most recent profiles + their decomposition 

            fig += 1
            ix += 1
            #clears the figure content
            #increase array index

            data_prev = data
            lowpass_prev = lowpass
            highpass_prev = highpass
            #reassigns 'previous profile' values

figure = plt.figure(fig)
plt.plot(changes)
plt.title('Lowpass Changes')
plt.xlabel('Profile Number')
plt.ylabel('Change > Threshold?')
plt.ylim(-0.25,1.25)
plt.xlim(0,48)
plt.savefig(dir+'/B0740-28/Plots/changes')
#Save lowpass changes plot
4

2 に答える 2

4

私はおそらくこの答えに反対票を投じるでしょうが、大局的に言えば、この特定の状況では、パッケージにいくつかのグローバル変数を追加することに問題はありません。

クラスは、さまざまな場所で使用したい機能がたくさんある場合に便利ですが、説明していることは非常に具体的であり、他の場所で再利用される可能性は低いです。インスタンス変数を使用して 1 回限りのクラスを作成することは、グローバル変数を使用してパッケージ内に多数の関数を含めることと実際にはそれほど違いはありません。

于 2012-12-11T15:49:34.227 に答える
1

このようなものがあなたが望むものです：

class MyDataProcessor(object):
    def __init__(self, data_array):
        self.data_array = data_array

    def processX(self):
        # do stuff with self.data_array

    def processY(self):
        # do stuff with self.data_array

m = MyDataProcessor([1, 2, 3, 4, 5])
m.processX()

n = MyDataProcessor([5, 4, 3, 2, 1])
n.processX()
于 2012-12-11T15:48:52.530 に答える