Как обрезать массив python

Обрезать массив

Необходимо обрезать массив, скажем 2 отрезка. Первый начинающийся с точки 10% по 35%, второй отрезок с 50 по 85.

При помощи чего и как это возможно реализовать?

Затем, взять один большой массив и найти в нем хотя бы один из двух с погрешностью 20%.

Возможно ли это?

Добавлено через 1 минуту
Изначально массив формируется из

Добавлено через 6 секунд

1 2 3

wav = wave.open(f'2333_fixed.wav', mode="r") (nchannels, sampwidth, framerate, nframes, comptype, compname) = wav.getparams() ms = np.frombuffer(wav.readframes(nframes), dtype={1: np.int8, 2: np.int16, 4: np.int32}[sampwidth])[0::int(nframes/w*4)]

Лучшие ответы ( 1 )
94731 / 64177 / 26122
Регистрация: 12.04.2006
Сообщений: 116,782
Ответы с готовыми решениями:

Обрезать list
Есть list Нужно с него сделать словарь типа Помогите написать метод для этого пожалуйста

Обрезать имена файлов
Добрый день. Нужна помощь в решении задачи. Есть каталог, в котором есть подкаталоги с папками и.

Обрезать пробелы в списке
Подскажите как обрезать лишние пробелы и переносы строки в списке?

Обрезать состав заказа через номер
Всем привет. Считываю эксель файл, преобразовал в список. Получилось номер заказа 12345678 и.

Заяц, просто Заяц.
663 / 277 / 156
Регистрация: 12.11.2017
Сообщений: 873

Сообщение от Gerd199

К чему должны относиться эти %?
Регистрация: 06.03.2014
Сообщений: 3,066

Получаю массив из wav файла, скажем аудиодорожка длится 100сек. Из сформированного массива, необходимо вытащить массив который начинается с 10 сек по 35.

То есть получить массив отрезка файла с 10 по 35сек
В дальнейшем короткие отрезки, в данном случаи отрезок, а точней массив. Сравнить с другим массивом и найти вхождения с погрешностью в 20%.

25% или 25 сек — это массив, массив сформированный из аудио. Его необходимо брать для поиска вхождений в большем массиве который длится скажем около часа.

Задача в том, чтобы не дать пользователям загружать аудиоконтент который уже присутствует на сервере, ранее был загружен другим пользователем.

Заяц, просто Заяц.
663 / 277 / 156
Регистрация: 12.11.2017
Сообщений: 873

Сообщение было отмечено Gerd199 как решение

Решение

Ну например:

a = [i for i in range(100)] a = a[round(0.1 * len(a)) : round(0.35 * len(a))] # будет храниться от 10 до 34

Регистрация: 06.03.2014
Сообщений: 3,066

Осталось понять, как найти вхождение в массиве, что за алгоритм такой?

В аудиодорожках, может быть погрешность, а может вовсе композиция одна, а звучит иначе что погрешность 50..

Вот, массив который выдает в ответ

ms = np.frombuffer(wav.readframes(nframes), dtype={1: np.int8, 2: np.int16, 4: np.int32}[sampwidth])[0::int(nframes/w*4)]

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

[ 0 3 118 -272 7 -150 47 337 -51 0 -152 -244 1 -28 132 -89 26 -10 24 -79 230 130 -284 -88 265 -25 -213 -147 84 -95 -61 -68 -59 -39 -93 -844 416 -3 13 -870 327 189 -223 -276 153 437 -219 -178 -91 164 149 33 16 -74 -248 122 -57 78 -460 88 -199 -13 -218 97 117 -2 196 -142 103 -62 150 -291 -168 -235 11 -32 -54 -37 -243 66 201 76 -56 -209 -99 -56 373 -40 -182 -146 32 86 72 112 13 316 -277 236 -25 72 11 -277 -14 22 -19 172 -77 -268 -364 267 179 -407 -90 -89 115 106 -72 44 -9 -18 -72 -328 20 120 -63 -54 -43 -172 -93 -117 73 -5 70 -22 1 60 244 -152 405 108 -65 33 -32 -138 414 -25 83 -44 -11 -105 -108 -146 30 25 275 36 -9 23 378 -148 -43 94 40 165 -293 83 101 271 26 116 412 -64 -115 223 107 91 -44 -77 -6 77 -2 -123 -47 12 38 44 92 -49 -292 -145 -317 -13 -1 -15 -6 -119 -40 -104 -63 -23 23 -146 41 -81 35 2 452 166 85 82 7 -45 143 -39 -57 -64 14 -25 2 80 -164 26 117 70 31 0 267 138 -42 42 84 -403 -111 -181 69 -50 -69 -22 -12 78 8 47 -54 -121 -232 109 -112 37 -80 -58 -8 -160 35 -77 -57 133 -471 -366 60 -36 38 134 204 15 8 129 214 -223 42 -107 224]

#8 – Функции строк. Индексы и срезы

Язык Питон обладает обширным набором функций для работы со строками. В ходе урока мы научимся использовать множество из этих функций, а также изучим тему индексов и срезов в языке Python.

Видеоурок

Индексы

Нумерация в списках начинается с нуля, так как список по большей части это просто массив, то как в обычном массиве отсчет ведется от 0. Первый элемент по индексу будет 0, второй — 1, третий — 2 и так далее. Если мы попытаемся взять несуществующий элемент, то это приведет к ошибке.

a = [0, 23, "Hi"] # Список print (a[4]) # Выдаст ошибку, так как элемента не существует

Удобной функцией языка Python является возможность брать элементы с конца при помощи отрицательных индексов. К примеру, если нам нужен второй элемент с конца, то мы можем записать это так:

a = [0, 23, "Hi", 1.56, 9] # Список print (a[-2]) # Будет выведено 1.56

Срезы

Срезы позволяют обрезать список, взяв лишь те элементы, которые нужны. Они работают по следующей схеме: list[НАЧАЛО:КОНЕЦ:ШАГ] .

• Начало — с какого элемента стоит начать (по умолчанию равно 0);
• Конец — по какой элемент мы берем элементы (по умолчанию равно длине списка);
• Шаг — с каким шагом берем элементы, к примеру каждый 2 или 3 (по умолчанию каждый 1).

В срезах один, несколько или даже все параметры могут быть пропущены.

list[::3] # Берем каждый третий элемент list[2::2] # Начиная со второго элемента берем каждый второй элемент list[4:6:] # Начиная с 4 элемента берем все элементы по 6 элемент list[::] # Берем все элементы

Также могут быть использованы отрицательные числа для срезов.
Функции по работе со строками

word = 'FootBALL, baskeTball, skate' # print(word.count('!')) # print(word.capitalize()) # print(word.find('pr')) hobby = word.split(', ') for i in range(len(hobby)): hobby[i] = hobby[i].capitalize() result = ", ".join(hobby) print(result)

Посмотреть остальной код можно после подписки на проект!

Задание к уроку

Необходимо оформить подписку на проект, чтобы получить доступ ко всем домашним заданиям

Большое задание по курсу

Вам необходимо оформить подписку на сайте, чтобы иметь доступ ко всем большим заданиям. В задание входит методика решения, а также готовый проект с ответом к заданию.
PS: подобные задания доступны при подписке от 1 месяца

Также стоит посмотреть

Комментарии (8)

Николай 15 марта 2023 в 18:59

Какое отношение первое задание имеет к этой тем. В уроке функция enumate вообще не рассматривалась.

Anna 10 февраля 2023 в 17:06

Выведите в списке третий элемент с конца
list_2 = [3.4, 56, «Some», «Hi», 7, 3.8, 44]
print(list_2[-3])

Anna 10 февраля 2023 в 17:03

используйте функцию enumerate.

Anna 10 февраля 2023 в 17:03

Выведите каждый 3 элемент списка начиная с первого и заканчивая предпоследним.

list = [3.4, 56, «Some», «Hi», 7, 3.8, 44]
print(list[:-1:3])

Муса 04 февраля 2023 в 19:44

У вас написано list[2::2] # Начиная со ВТОРОГО элемента. А там с третьего

Zakhar 21 января 2023 в 22:50

 import random print("Welcome to casino XBET!") user_logins = [''] user_passwords = [''] user_choose = input(('Choose registration or log into: ')) if user_choose == 'registration': user_logins.append(input('Create your login: ')) user_passwords.append(input('Create your password: ')) user_enter_login = input('Enter your login: ') if user_enter_login in user_logins: print('The login is Wright') else: print('The login is wrong') user_enter_password = input('Enter your password: ') if user_enter_password in user_passwords: print("The password is right") else: print('The password is wrong') elif user_choose == 'log into': user_enter_login = input('Enter your login: ') if user_enter_login in user_logins: print('The login is Wright') else: print('The login is wrong') user_enter_password = input('Enter your password: ') if user_enter_password in user_passwords: print("The password is right") else: print('The password is wrong') else: exit() balance = 100 print('Your balance = ', balance) while balance > 0: user_num = int(input("Enter your number 1-10: ")) if user_num == random.randrange(1,10): balance += 10 print('You won 10 USD') print('Your balnce is: ', balance) else: balance -= 10 print("You lose 10 USD") print("Your balance is: ", balance) 

Сделал мини казино с тех знаний которые получил

Борис 18 июля 2023 в 15:39

Фильтрация значений и вырезание — Python: Numpy-массивы

При работе с данными часто возникает необходимость найти элементы по определенному условию. С точки зрения поиска ошибок в данных критерии поиска могут быть разными, например:

• Отрицательные значения в графе «Количество продаж»
• Буквы вместо цифр в графе «Номер телефона»
• Нереалистично большие числа в графе «Сумма сделки»

В стандартном Python искать и фильтровать значения можно с помощью функции filter() . В Numpy есть схожая функциональность, которую мы рассмотрим в этом уроке. Вы узнаете, как получить элементы по заданному условию при работе с массивами numpy.ndarray .

Как создать булеву маску

Для фильтрации значений массива numpy.ndarray по определенному условию используют булевы маски — массивы значений True и False . Каждый элемент проходит фильтрацию через булеву маску и распределяется в зависимости от значения маски:

• Если на той же позиции в маске стоит значение True , элемент добавляется в итоговый массив
• Если на позиции стоит значение False , то элемент не будет включен в итоговый массив

Существует три способа работы с булевой маской:

• Создать массив значений True и False вручную
• Использовать операторы сравнения над элементами исходного массива
• Применить логическое отрицание к текущей маске — поменять True на False и наоборот

Так все три способа выглядят в коде:

import numpy as np # Исходный массив base_array = np.array([0, 1, 2, 3, 4, 5, 6, 7,]) print(base_array) # => [0 1 2 3 4 5 6 7] # Ручное создание маски handmade_mask = [True, True, True, False, False, False, False, False,] print(handmade_mask) # => [True, True, True, False, False, False, False, False] # Создание маски по условию compare_mask = base_array  3 print(compare_mask) # => [ True True True False False False False False] # Создание маски по логическому отрицанию условия opposite_compare_mask = ~(base_array >= 3) print(opposite_compare_mask) # => [ True True True False False False False False] 

Первый способ на практике встречается редко, потому что на ручное создание маски уходит слишком много времени, особенно при большом размере массива:

Как применять маску

Чтобы применить булеву маску к исходному массиву, достаточно подставить ее в качестве индекса:

print(base_array[handmade_mask]) # => [0 1 2] print(base_array[compare_mask]) # => [0 1 2] print(base_array[opposite_compare_mask]) # => [0 1 2] 

Как мы говорили выше, в Python реализована функция filter() , которая применяется для итеративной фильтрации значений списка по условию:

# Фильтрация значений с использованием filter filtered_list = list( filter( lambda x: x  3, [0, 1, 2, 3, 4, 5, 6, 7,] ) ) print(filtered_list) # => [0 1 2] 

Для итеративной фильтрации элементов массива numpy.ndarray используется другой способ — метод numpy.fromiter() :

# Итеративное создание нового массива с использованием fromiter, тип массива задается аргументом dtype filtered_array = np.fromiter( (base_array_element for base_array_element in base_array if base_array_element  3), dtype = base_array.dtype ) print(filtered_array) # => [0 1 2] 

На практике часто требуется не только убирать значения из исходного массива, но и заменять их. Для этого используется метод numpy.where() :

# Заменяем отфильтрованные элементы на 0 print(np.where(base_array  3, base_array, 0)) # => [0 1 2 0 0 0 0 0] 

Если для фильтрации мы используем составное условие, лучше инициализировать маску отдельно. Это упрощает поддержку и делает код более читабельным:

# Заменяем отфильтрованные элементы на 0 с использованием маски compare_masks = (base_array > 5) | (base_array  3) print(np.where(compare_masks, base_array, 0)) # => [0 1 2 0 0 0 6 7] 

В реальных данных регулярно возникают пропущенные значения. Это может происходить из-за человеческого фактора, сбоя в работе сервисов или ошибки при записи в базу данных. Для таких случаев в Numpy существует отдельный тип данных numpy.nan (not a number):

# Массив с пропущенными значениями raw_array = np.array([0, 1, None, 3, 4, None, 6, 7,], dtype=np.float64) print(raw_array) # => [ 0. 1. nan 3. 4. nan 6. 7.] 

Для корректной работы программ необходимо обнаруживать пропуски, чистить данные от них или заменять на значение по умолчанию.

Рассмотрим на примере. Сначала нужно обнаружить пропуски:

# Маска для поиска пропусков nan_mask = np.isnan(raw_array) print(nan_mask) # => [False False True False False True False False] 

Затем чистим данные от пропусков:

# Маска для фильтрации пропущенных значений not_nan_mask = ~nan_mask print(raw_array[not_nan_mask]) # => [0. 1. 3. 4. 6. 7.] 

Теперь заменяем пропуски на некоторое значение:

# Заменяем пропуски на 0 print(np.where(nan_mask, 0, raw_array)) # => [0. 1. 0. 3. 4. 0. 6. 7.] 

Как применять маску с двумерными массивами

Выше мы рассмотрели фильтрацию значений на примере одномерного массива. Те же принципы применимы и в работе с двумерными массивами. Рассмотрим пример задачи — подготовим сырые данные продаж магазина ноутбуков по следующим шагам:

• Сначала обнаружим выбросы двух типов — значения выше 200 и отрицательные значения. Число 200 выбрано потому, что именно столько ноутбуков хранится на складе. Менеджер магазина знает, что в день не бывает более 200 продаж
• Затем заменим выбросы и пропуски на среднее значение продаж

Мы проводим эти операции, чтобы подготовить сырые данные к более глубокому анализу с применением методов статистики и машинного обучения:

# Создаем список списков продаж четырех магазинов orders_values = [ [7, 1, -7, None], [1000, 2, 4, None], [3, None, 503, 3], [8, 12, 8, 7], [15, 11, None, 9], [None, 18, 17, -21], [252, 16, 25, 17] ] # Конвертируем в Numpy-массив orders = np.array(orders_values, dtype=np.float64) print(orders) # => [[ 7. 1. -7. nan] # [1000. 2. 4. nan] # [ 3. nan 503. 3.] # [ 8. 12. 8. 7.] # [ 15. 11. nan 9.] # [ nan 18. 17. -21.] # [ 252. 16. 25. 17.]] 

Чтобы отфильтровать значения, нужно создать маски:

# Маска для отрицательных значений negative_values = orders  0 print(orders[negative_values]) # => [ -7. -21.] # Маска для больших значений big_values = orders > 200 print(orders[big_values]) # => [1000. 503. 252.] # Маска для пропущенных значений и подсчета их количества nan_values = np.isnan(orders) print(sum(sum(nan_values))) # => 5 

Чтобы найти средние значения, нужно оставить только стандартные значения продаж. Сделать это можно маской, объединяющей логические отрицания сформированных масок:

# Маска стандартных значений normal_mask = ~negative_values & ~big_values & ~nan_values # Стандартные значения заказов normal_values = orders[normal_mask] # Среднее значение для стандартных заказов normal_mean = normal_values.mean() normal_mean = int(normal_mean) print(normal_mean) # => 10 

Далее остается только заменить нестандартные значения на величину среднего:

# Массив, в котором нестандартные значения заменены на среднее prepared_orders = np.where(normal_mask, orders, normal_mean) print(prepared_orders) # => [[ 7. 1. 10. 10.] # [10. 2. 4. 10.] # [ 3. 10. 10. 3.] # [ 8. 12. 8. 7.] # [15. 11. 10. 9.] # [10. 18. 17. 10.] # [10. 16. 25. 17.]] 

Выводы

Открыть доступ

Курсы программирования для новичков и опытных разработчиков. Начните обучение бесплатно

• 130 курсов, 2000+ часов теории
• 1000 практических заданий в браузере
• 360 000 студентов

Наши выпускники работают в компаниях:

Как обрезать список в Python

Мне нужны первые 5 элементов. Если он имеет менее 5 элементов.

[4,76,2,8,6] 

Как это сделать?

TIMEX 08 окт. 2009, в 02:39

Поделиться

Смотрите также: stackoverflow.com/questions/509211/…

Greg Hewgill 08 окт. 2009, в 00:25

Поделиться:

4 ответа

Лучший ответ

Вы просто субиндексируете его с помощью [:5] , указывающего, что вы хотите (до) первых 5 элементов.

>>> [1,2,3,4,5,6,7,8][:5] [1, 2, 3, 4, 5] >>> [1,2,3][:5] [1, 2, 3] >>> x = [6,7,8,9,10,11,12] >>> x[:5] [6, 7, 8, 9, 10] 

Кроме того, если положить двоеточие справа от числа означает подсчет с n-го элемента вперед — не забывайте, что списки основаны на 0!

>>> x[5:] [11, 12] 

Mark Rushakoff 08 окт. 2009, в 01:23