京公网安备 11010802034615号
经营许可证编号:京B2-20210330
利用python求相邻数的方法示例
本文主要给大家介绍了关于利用python求相邻数的相关内容,分享出来供大家参考学习,下面话不多说了,来一起看看详细的介绍:
什么是相邻数?
比如5,相邻数为4和6,和5相差1的数,连续相差为1的一组数
需求:
遍历inputList 所有数字,取出所有数字,判断是否有相邻数, 不相邻数字 和 相邻数字 都以 “数组”形式 添加到 outputList 中, 并且 每个“数组” 里 第一位 递减 补全两位数,末位 递增 补全两位数, 每一个数不能小于0, 不能大于 400
( 提示: 在inputList 中 "12,13" 是相邻的数字,视为一组, 需要以[10, 11, 12, 13, 14, 15] 数组形式添加到outputList 中,而 “3”没有相邻的数,也视为一组,需要以[1, 2, 3, 4, 5]数组形式添加到outputList中 )

输入:
inputList = [0, 3, 5, 6, 7, 9, 12, 13, 15, 16, 17, 19, 20, 21, 22, 25, 27, 29, 30, 32, 33, 36, 39, 40, 43, 44, 46, 47, 48, 53, 54, 57, 58, 60, 62, 64, 65, 66, 67, 72, 74, 75, 76, 77, 78, 80, 82, 84, 85, 86, 89, 95, 96, 97, 98, 103, 104, 107, 108, 110, 111, 114, 116, 117, 118, 120, 121, 122, 124, 127, 132, 135, 137, 138, 139, 140, 145, 146, 148, 149, 150, 151, 155, 156, 160, 161, 166, 167, 170, 171, 172, 175, 178, 179, 180, 181, 182, 183, 184, 186, 188, 189, 190, 193, 195, 196, 198, 202, 205, 208, 210, 211, 213, 214, 215, 217, 221, 226, 227, 228, 233, 234, 235, 240, 241, 246, 247, 249, 255, 257, 258, 261, 262, 263, 267, 268, 269, 270, 271, 272, 275, 278, 280, 282, 283, 284, 286, 287, 289, 291, 292, 295, 296, 298, 300, 302, 303, 304, 305, 306, 310, 315, 317, 319, 320, 321, 322, 323, 324, 325, 326, 328, 331, 336, 339, 341, 342, 344, 346, 349, 354, 355, 356, 362, 363, 365, 366, 367, 368, 371, 374, 376, 378, 382, 383, 388, 390, 393, 396, 399]
输出 :
outputList = [[0, 1, 2] , [1, 2, 3, 4, 5], [3, 4, 5, 6, 7, 8, 9], [7, 8, 9, 10, 11],[10, 11, 12, 13, 14, 15] , ........此处省略]
那,如何解决这个问题?
1. 设置一个值,指向index=0, start_index = 0
2. 初始化一个中间列表median = [ ] , 一个保存结果列表 result_l = [ ]
3. for循环开始, start_index 指向每一个相邻数的开头
4. 通过索引指向的值和索引后指向的值进行差值比较,步长不为1的,start_index移动到这个值上
5. 循环往复,获得相邻列表
6. 通过map函数,对每一个相邻列表进行前后各插入两个相邻数
7. 通过列表解析, 剔除不满足条件的相邻数
示例代码
#!/usr/bin/python3
__author__ = 'beimenchuixue'
__blog__ = 'http://www.cnblogs.com/2bjiujiu/'
def go_cha_ru(new_l):
"""往列表中前后个插入两个相邻数,通过列表解析去除小于0的和大于400的数"""
new_l.insert(0, new_l[0] - 1)
new_l.insert(0, new_l[0] - 1)
new_l.append(new_l[len(new_l) - 1] + 1)
new_l.append(new_l[len(new_l) - 1] + 1)
return [i for i in new_l if 0 <= i <= 400]
def go_xiang_lin(raw_l):
"""获取相邻数"""
start_index = 0
result_l = []
median = []
# 索引从start_index起,到最后
for raw_index in range(len(raw_l)):
# 判断是否for循环到指定位置
if start_index == raw_index:
# 初始移动位置参数
index = 0
while True:
# 指针指向的起始值
start_value = raw_l[start_index]
# 如果指针指向最后一个位置,开始值=最后一个值
if start_index == len(raw_l)-1:
end_value = start_value
else:
# 最后一个值 = 初始值 + 位置参数值
end_value = raw_l[start_index + index]
# 通过初始值 + 位置参数值 是否等于 最后一个值,判断是否为相邻数,如果是,添加到中间列表
if start_value + index == end_value:
median.append(end_value)
# 位置参数 + 1
index += 1
else:
# 如果不是,初始指针指向 移动位置参数个单位
start_index += index
# 把每主相邻数添加到结果列表
result_l.append(median)
median = []
break
# 通过高阶函数,对结果集中每个相邻数列表进行插值操作
return map(go_cha_ru, result_l)
if __name__ == '__main__':
input_list = [0, 3, 5, 6, 7, 9,
12, 13, 15, 16, 17, 19, 20, 21, 22, 25,
27, 29, 30, 32, 33, 36, 39, 40, 43, 44, 46, 47, 48, 53, 54,
57, 58, 60, 62, 64, 65, 66, 67, 72, 74, 75, 76, 77, 78, 80, 82,
84, 85, 86, 89, 95, 96, 97, 98, 103, 104, 107, 108, 110, 111, 114,
116, 117, 118, 120, 121, 122, 124, 127, 132, 135, 137, 138, 139, 140,
145, 146, 148, 149, 150, 151, 155, 156, 160, 161, 166, 167, 170, 171,
172, 175, 178, 179, 180, 181, 182, 183, 184, 186, 188, 189, 190, 193,
195, 196, 198, 202, 205, 208, 210, 211, 213, 214, 215, 217, 221, 226,
227, 228, 233, 234, 235, 240, 241, 246, 247, 249, 255, 257, 258, 261,
262, 263, 267, 268, 269, 270, 271, 272, 275, 278, 280, 282, 283, 284,
286, 287, 289, 291, 292, 295, 296, 298, 300, 302, 303, 304, 305, 306,
310, 315, 317, 319, 320, 321, 322, 323, 324, 325, 326, 328, 331, 336,
339, 341, 342, 344, 346, 349, 354, 355, 356, 362, 363, 365, 366, 367,
368, 371, 374, 376, 378, 382, 383, 388, 390, 393, 396, 399]
# 结果
output_list = list(go_xiang_lin(input_list))
print(output_list)
总结
以上就是这篇文章的全部内容了.
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21