我们要优化Python中的某些编码,在这种情况下,我们正在研究“惰性”编码。为了优化我们的程序,我们想使用类和函数! (我们是python的新手),在这种情况下,我们建立了一个名为Update的类:
class Update:
def __init__(self, first, last):
self.first = first
self.last = last
def mean(self):
print (self.first, self.last)
return ((self.first + self.last) / 2)
我们要对程序执行的操作是从2个浮点数中生成3倍的新平均值。
例如,我们以
开始first[-1] = 33.31
last[-1] = 29.81
average = 31.56
然后我们要取较高的平均值:
(29.81+31.56)/2 = 30.69
较低的平均值:
(33.31+31.56)/2 = 32.44
最后我们想要一个显示以下内容的列表:{33.31,32.44,31.56,30.69,29.81}
不幸的是,我们的均值函数无法按预期运行,并且当我们运行程序时,我们收到以下错误:
/home/user/.local/lib/python3.6/site-packages/numpy/core/fromnumeric.py:3257: RuntimeWarning: Mean of empty slice.
out=out, **kwargs)
/home/user/.local/lib/python3.6/site-packages/numpy/core/_methods.py:161: RuntimeWarning: invalid value encountered in double_scalars
ret = ret.dtype.type(ret / rcount)
好的,这就是我们要做的。请记住,我们处于两个值的平均值,然后才能找到较高和较低的平均值。带注释的代码行是程序的最初编程方式,也是我们要优化的内容。
upd = Update(first[-1], last[-1]) # first = 33.31 and last = 29.81
# f = first[-1]
# l = last[-1]
mean_list = []
# mean_list.append(f)
# mean_list.append(l)
first_mean = []
third_mean = []
# mean = np.mean(mean_list)
# first_mean.append(f)
# third_mean.append(l)
first_mean.append(upd.first)
third_mean.append(upd.last)
# first_mean.append(mean)
# third_mean.append(mean)
mean = upd.mean()
first_mean.append(mean)
third_mean.append(mean)
a = np.mean(first_mean).round(2)
b = np.mean(third_mean).round(2)
mean = np.mean(mean_list).round(2)
答案 0 :(得分:1)
您的直接问题似乎是空变量mean_list。 对于一般任务,建议您查看numpy's linespace。
import numpy as np
first = 33.31
last = 29.81
means = np.linspace(first, last, 5)
print(means)
> [33.31 32.435 31.56 30.685 29.81 ]
您自然可以在类方法中使用它。