4

シグナルを表すPython配列のサイズを「圧縮」する必要があります。信号は次の例のようになります。

signal = [
    [0.0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1.0,1.1], #time values
    [1,1,1,2,3,4,4,4,4,2,1,1] #function values
    ]

圧縮後、信号は次のコードのようになります。

signal_compressed = [
    [0.0,0.2,0.3,0.4,0.5,0.8,0.9,1.0,1.1], #time values
    [1,1,2,3,4,4,2,1,1] #function values
    ]

ご覧のとおり、定数値の領域がある場合、この領域の最初と最後の値のみが保存されます。

これを行うために、次のアルゴリズムを作成しました。

signal_compressed = [[],[]]

old_value = None
for index, value in enumerate(signal[1]):
    if value != old_value:
        if index > 0:
            if signal_compressed[0][-1] != signal[0][index - 1]:
                signal_compressed[0].append(signal[0][index - 1])
                signal_compressed[1].append(signal[1][index - 1])
        signal_compressed[0].append(signal[0][index])
        signal_compressed[1].append(value)
        old_value = value

if signal_compressed[0][-1] < signal[0][-1]:
    signal_compressed[0].append(signal[0][-1])
    signal_compressed[1].append(signal[1][-1])

このアルゴリズムは正常に機能します。そして、一定のセグメントがたくさんある信号の場合、彼は非常に高速に動作します。しかし、定数セグメントのない信号（正弦波信号やノイズ信号など）を圧縮しようとすると、アルゴリズムの動作が非常に遅くなります。

アルゴリズムを高速化し、機能を節約するにはどうすればよいですか？

4

2 に答える 2

1

ジェネレーターを使用してこれを行う1つの方法は次のとおりです。

def compress(signal):
    prev_t, prev_val = None, None
    for t, val in zip(*signal):
        if val != prev_val:
            if prev_t is not None:
                yield prev_t, prev_val
            yield t, val
            prev_t, prev_val = None, val
        else:
            prev_t, prev_val = t, val
    if prev_t is not None:
        yield prev_t, prev_val

signal = [
    [0.0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1.0,1.1], #time values
    [1,1,1,2,3,4,4,4,4,2,1,1] #function values
    ]
print zip(*compress(signal))

signal転置して、次のように保存する方が自然だと思います。

[(0.0, 1),
 (0.1, 1),
 (0.2, 1),
 (0.3, 2),
 (0.4, 3),
 (0.5, 4),
 (0.6, 4),
 (0.7, 4),
 (0.8, 4),
 (0.9, 2),
 (1.0, 1),
 (1.1, 1)]

このように、2つのzip(*seq)呼び出しは不要であり、処理全体をその場で実行できます。

最後に、これがまだ大規模な入力には遅すぎる場合は、NumPyの使用を検討する価値があるかもしれません。そのようなソリューションの概要は次のとおりです。

import numpy as np

signal = [
    [0.0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1.0,1.1], #time values
    [1,1,1,2,3,4,4,4,4,2,1,1] #function values
    ]

def npcompress(signal):
    sig=np.array(signal)
    idx = np.where(sig[1][1:] != sig[1][:-1])[0]
    idx_arr = np.sort(np.array(list(set(idx) | set(idx + 1) | set([0]) | set([len(sig[1]) - 1]))))
    return sig.T[idx_arr]

print npcompress(signal).T
于 2013-03-27T12:56:13.087 に答える
1

あなたが使用することができますitertools.groupby()：

In [93]: from itertools import groupby

In [94]: from operator import itemgetter

In [95]: ti=[0.0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1.0,1.1]

In [96]: fun=[1,1,1,2,3,4,4,4,4,2,1,1]

In [97]: def func(ti,func):
    new_time=[]
    new_func=[]
    for k,v in groupby(enumerate(func),itemgetter(1)):
       lis=list(v)
       if len(lis)>1:
           ind1,ind2=lis[0][0],lis[-1][0]
           new_time.extend([ti[ind1],ti[ind2]])
           new_func.extend([func[ind1],func[ind2]])
       else:    
           new_time.append(ti[lis[0][0]])
           new_func.append(func[lis[0][0]])
    return new_time,new_func
   ....: 

In [98]: func(ti,fun)
Out[98]: ([0.0, 0.2, 0.3, 0.4, 0.5, 0.8, 0.9, 1.0, 1.1],
          [1, 1, 2, 3, 4, 4, 2, 1, 1])
于 2013-03-27T13:32:51.573 に答える