我有以下代码:
new_index = index + offset
if new_index < 0:
new_index = 0
if new_index >= len(mylist):
new_index = len(mylist) - 1
return mylist[new_index]
基本上,我计算一个新索引并使用它从列表中查找某些元素。为了确保索引位于列表的范围内,我需要将这 2 个
if
语句写成 4 行。这相当冗长,有点难看......我敢说,它非常un-pythonic。
还有其他更简单、更紧凑的解决方案吗?(以及更多pythonic)
是的,我知道我可以在一行中使用
if else
,但它不可读:
new_index = 0 if new_index < 0 else len(mylist) - 1 if new_index >= len(mylist) else new_index
我也知道我可以将
max()
和 min()
链接在一起。它更紧凑,但我觉得它有点晦涩,如果我输入错误,更难找到错误。换句话说,我觉得这不是很简单。
new_index = max(0, min(new_index, len(mylist)-1))
请参阅用上限和下限替换列表值的Pythonic 方法(钳位、剪裁、阈值)?了解处理 Numpy 数组中的值的特定技术。
实际上,这很清楚。 很多人学得很快。 您可以使用评论来帮助他们。
new_index = max(0, min(new_index, len(mylist)-1))
sorted((minval, value, maxval))[1]
例如:
>>> minval=3
>>> maxval=7
>>> for value in range(10):
... print sorted((minval, value, maxval))[1]
...
3
3
3
3
4
5
6
7
7
7
这里有很多有趣的答案,几乎都是一样的,除了......哪个更快?
import numpy
np_clip = numpy.clip
mm_clip = lambda x, l, u: max(l, min(u, x))
s_clip = lambda x, l, u: sorted((x, l, u))[1]
py_clip = lambda x, l, u: l if x < l else u if x > u else x
>>> import random
>>> rrange = random.randrange
>>> %timeit mm_clip(rrange(100), 10, 90)
1000000 loops, best of 3: 1.02 µs per loop
>>> %timeit s_clip(rrange(100), 10, 90)
1000000 loops, best of 3: 1.21 µs per loop
>>> %timeit np_clip(rrange(100), 10, 90)
100000 loops, best of 3: 6.12 µs per loop
>>> %timeit py_clip(rrange(100), 10, 90)
1000000 loops, best of 3: 783 ns per loop
paxdiablo 有它!,使用普通的 python。 也许并不奇怪,numpy 版本是所有版本中最慢的。 可能是因为它正在寻找数组,而其他版本只是对它们的参数进行排序。
参见numpy.clip:
index = numpy.clip(index, 0, len(my_list) - 1)
将
max()
和 min()
链接在一起是我见过的常见习惯用法。如果你觉得很难读,可以写一个辅助函数来封装操作:
def clamp(minimum, x, maximum):
return max(minimum, min(x, maximum))
我心爱的可读Python语言出了什么事? :-)
说真的,只要把它变成一个函数即可:
def addInRange(val, add, minval, maxval):
newval = val + add
if newval < minval: return minval
if newval > maxval: return maxval
return newval
然后用类似的方式调用它:
val = addInRange(val, 7, 0, 42)
或者更简单、更灵活的解决方案,您可以自己进行计算:
def restrict(val, minval, maxval):
if val < minval: return minval
if val > maxval: return maxval
return val
x = restrict(x+10, 0, 42)
如果你愿意,你甚至可以将最小值/最大值作为一个列表,这样它看起来更“数学纯”:
x = restrict(val+7, [0, 42])
这个对我来说似乎更Pythonic:
>>> def clip(val, min_, max_):
... return min_ if val < min_ else max_ if val > max_ else val
一些测试:
>>> clip(5, 2, 7)
5
>>> clip(1, 2, 7)
2
>>> clip(8, 2, 7)
7
如果您的代码看起来太笨拙,函数可能会有所帮助:
def clamp(minvalue, value, maxvalue):
return max(minvalue, min(value, maxvalue))
new_index = clamp(0, new_index, len(mylist)-1)
避免为如此小的任务编写函数,除非你经常应用它们,因为它会让你的代码变得混乱。
对于个人价值观:
min(clamp_max, max(clamp_min, value))
对于值列表:
map(lambda x: min(clamp_max, max(clamp_min, x)), values)
很多好的答案,我只想添加一个打字的答案
from typing import TYPE_CHECKING
if TYPE_CHECKING:
from _typeshed import SupportsAllComparisons
SupportsAllComparisonsT = TypeVar("SupportsAllComparisonsT", bound="SupportsAllComparisons")
def clip(
val: SupportsAllComparisonsT, minval: SupportsAllComparisonsT, maxval: SupportsAllComparisonsT
) -> SupportsAllComparisonsT:
"""
Limit a value to be within a certain range.
Return the given `val` if it's between `minval` and `maxval`.
Otherwise return `minval` or `maxval`.
Also see `numpy.clip`
"""
return minval if val < minval else maxval if val > maxval else val