ধনাত্মক এবং নেতিবাচক সংখ্যা ক্রমগুলির গণনা এবং সংমিশ্রণ

Question

আমি গণনা করতে একটি কোড লিখতে চাই এবং সংখ্যার যেকোন ধনাত্মক এবং নেতিবাচক সিরিজের যোগফল করতে চাই।
নম্বরগুলি হয় ধনাত্মক বা নেতিবাচক (কোনও শূন্য নয়)।
আমি forলুপযুক্ত কোড লিখেছি । কোন সৃজনশীল বিকল্প আছে?

উপাত্ত

আর

set.seed(100)
x <- round(rnorm(20, sd = 0.02), 3)

পাইথন

x = [-0.01, 0.003, -0.002, 0.018, 0.002, 0.006, -0.012, 0.014, -0.017, -0.007,

     0.002, 0.002, -0.004, 0.015, 0.002, -0.001, -0.008, 0.01, -0.018, 0.046]

লুপ

আর

sign_indicator <- ifelse(x > 0, 1,-1)
number_of_sequence <- rep(NA, 20)
n <- 1
for (i in 2:20) {
  if (sign_indicator[i] == sign_indicator[i - 1]) {
    n <- n + 1
  } else{
    n <- 1
  }
  number_of_sequence[i] <- n

}
number_of_sequence[1] <- 1

#############################

summation <- rep(NA, 20)

for (i in 1:20) {
  summation[i] <- sum(x[i:(i + 1 - number_of_sequence[i])])
}

পাইথন

sign_indicator = [1 if i > 0 else -1 for i in X]

number_of_sequence = [1]
N = 1
for i in range(1, len(sign_indicator)):
    if sign_indicator[i] == sign_indicator[i - 1]:
        N += 1
    else:
        N = 1
    number_of_sequence.append(N)

#############################
summation = []

for i in range(len(X)):
    if number_of_sequence[i] == 1:          
          summation.append(X[i])

    else:
        summation.append(sum(X[(i + 1 - number_of_sequence[i]):(i + 1)]))

ফলাফল

        x n_of_sequence    sum
1  -0.010             1 -0.010
2   0.003             1  0.003
3  -0.002             1 -0.002
4   0.018             1  0.018
5   0.002             2  0.020
6   0.006             3  0.026
7  -0.012             1 -0.012
8   0.014             1  0.014
9  -0.017             1 -0.017
10 -0.007             2 -0.024
11  0.002             1  0.002
12  0.002             2  0.004
13 -0.004             1 -0.004
14  0.015             1  0.015
15  0.002             2  0.017
16 -0.001             1 -0.001
17 -0.008             2 -0.009
18  0.010             1  0.010
19 -0.018             1 -0.018
20  0.046             1  0.046

Answer 1

অন্যান্য সমাধানগুলি দেখতে ঠিক আছে তবে আপনার এই সাধারণ সমস্যার জন্য পরিশীলিত ভাষা বৈশিষ্ট্য বা লাইব্রেরি ফাংশনগুলি ব্যবহার করার দরকার নেই।

result, prev = [], None

for idx, cur in enumerate(x):
    if not prev or (prev > 0) != (cur > 0):
        n, summation = 1, cur
    else:
        n, summation = n + 1, summation + cur
    result.append((idx, cur, n, summation))
    prev = cur

আপনি দেখতে পাচ্ছেন যে, প্রশ্ন বিভাগে স্নিপেটের মতো আপনার পক্ষে সত্যিকারের sign_indicatorজন্য দুটি তালিকা, দুটি লুপ বা rangeফাংশনের দরকার নেই।

আপনি যদি সূচকটি 1 থেকে শুরু করতে চান তবে enumerate(x, 1)পরিবর্তে ব্যবহার করুনenumerate(x)

ফলাফলটি দেখতে, আপনি নিম্নলিখিত কোডটি চালাতে পারেন

for idx, num, length, summation in result:
     print(f"{idx: >2d} {num: .3f} {length: >2d} {summation: .3f}")

Answer 2

আর, আপনি ব্যবহার করতে পারেন data.tableগুলি rleidসংখ্যা ধনাত্মক এবং ঋণাত্মক সিরিজের সঙ্গে গোষ্ঠী তৈরি এবং তারপর প্রতিটি দলের সারি একটি ক্রম তৈরি এবং একটি ক্রমসঞ্চিত সমষ্টি না xমান।

library(data.table)
df <- data.table(x)
df[, c("n_of_sequence", "sum") := list(seq_len(.N), cumsum(x)), by = rleid(sign(x))]
df

#         x n_of_sequence    sum
# 1: -0.010             1 -0.010
# 2:  0.003             1  0.003
# 3: -0.002             1 -0.002
# 4:  0.018             1  0.018
# 5:  0.002             2  0.020
# 6:  0.006             3  0.026
# 7: -0.012             1 -0.012
# 8:  0.014             1  0.014
# 9: -0.017             1 -0.017
#10: -0.007             2 -0.024
#11:  0.002             1  0.002
#12:  0.002             2  0.004
#13: -0.004             1 -0.004
#14:  0.015             1  0.015
#15:  0.002             2  0.017
#16: -0.001             1 -0.001
#17: -0.008             2 -0.009
#18:  0.010             1  0.010
#19: -0.018             1 -0.018
#20:  0.046             1  0.046

---

আমরা ব্যবহার করতে পারি rleidএ dplyrগোষ্ঠী তৈরি পাশাপাশি এবং একই কাজ।

library(dplyr)
df %>%
  group_by(gr = data.table::rleid(sign(x))) %>%
  mutate(n_of_sequence = row_number(), sum = cumsum(x))

Comments

n_of_sequenceপছন্দসইটির সাথে অভিন্ন নয়

— ইমান

@ ইমান দুঃখিত, আমি আগে আউটপুটটি ভুলভাবে পড়েছি। আমি এখন এটি সংশোধন করেছি।

— রোনাক শাহ

Answer 3

ব্যবহার করে আপনি প্রতিটি চিহ্নের চালানো লেন্থ নিরূপণ করতে পারেন rleথেকেbase প্রয়োজন এবং ভালো কিছু না।

set.seed(0)
z <- round(rnorm(20, sd = 0.02), 3)
run_lengths <- rle(sign(z))$lengths
run_lengths
# [1] 1 1 1 3 1 1 2 2 1 2 2 1 1 1

পেতে n_of_sequence

n_of_sequence <- run_lengths %>% map(seq) %>% unlist
n_of_sequence
# [1] 1 1 1 1 2 3 1 1 1 2 1 2 1 1 2 1 2 1 1 1

অবশেষে, ক্রমগুলির সংক্ষিপ্তসারগুলি পেতে,

start <- cumsum(c(1,run_lengths))
start <- start[-length(start)] # start points of each series 
map2(start,run_lengths,~cumsum(z[.x:(.x+.y-1)])) %>% unlist()
# [1] -0.010  0.003 -0.002  0.018  0.020  0.026 -0.012  0.014 -0.017 -0.024
# [11]  0.002  0.004 -0.004  0.015  0.017 -0.001 -0.009  0.010 -0.018  0.046

Answer 4

এখানে আর-তে একটি সরল নন-লুপিং ফাংশন রয়েছে:

count_and_sum <- function(x)
{
  runs   <- rle((x > 0) * 1)$lengths
  groups <- split(x, rep(1:length(runs), runs))
  output <- function(group) data.frame(x = group, n = seq_along(group), sum = cumsum(group))
  result <- as.data.frame(do.call(rbind, lapply(groups, output)))
  `rownames<-`(result, 1:nrow(result))
}

সুতরাং আপনি এটি করতে পারেন:

set.seed(100)
x <- round(rnorm(20, sd = 0.02), 3)
count_and_sum(x)
#>         x n    sum
#> 1  -0.010 1 -0.010
#> 2   0.003 1  0.003
#> 3  -0.002 1 -0.002
#> 4   0.018 1  0.018
#> 5   0.002 2  0.020
#> 6   0.006 3  0.026
#> 7  -0.012 1 -0.012
#> 8   0.014 1  0.014
#> 9  -0.017 1 -0.017
#> 10 -0.007 2 -0.024
#> 11  0.002 1  0.002
#> 12  0.002 2  0.004
#> 13 -0.004 1 -0.004
#> 14  0.015 1  0.015
#> 15  0.002 2  0.017
#> 16 -0.001 1 -0.001
#> 17 -0.008 2 -0.009
#> 18  0.010 1  0.010
#> 19 -0.018 1 -0.018
#> 20  0.046 1  0.046

^{2020-02-16 তারিখে ডিপেক্স প্যাকেজ (v0.3.0) দ্বারা তৈরি}

Answer 5

এখানে একটি সহজ tidyverseসমাধান ...

library(tidyverse) #or just dplyr and tidyr

set.seed(100)
x <- round(rnorm(20, sd = 0.02), 3)

df <- tibble(x = x) %>% 
  mutate(seqno = cumsum(c(1, diff(sign(x)) != 0))) %>% #identify sequence ids
  group_by(seqno) %>%                                  #group by sequences
  mutate(n_of_sequence = row_number(),                 #count row numbers for each group
         sum = cumsum(x)) %>%                          #cumulative sum for each group
  ungroup() %>% 
  select(-seqno)                                       #remove sequence id

df
# A tibble: 20 x 3
        x n_of_sequence     sum
    <dbl>         <int>   <dbl>
 1 -0.01              1 -0.01  
 2  0.003             1  0.003 
 3 -0.002             1 -0.002 
 4  0.018             1  0.018 
 5  0.002             2  0.0200
 6  0.006             3  0.026 
 7 -0.012             1 -0.012 
 8  0.014             1  0.014 
 9 -0.017             1 -0.017 
10 -0.007             2 -0.024 
11  0.002             1  0.002 
12  0.002             2  0.004 
13 -0.004             1 -0.004 
14  0.015             1  0.015 
15  0.002             2  0.017 
16 -0.001             1 -0.001 
17 -0.008             2 -0.009 
18  0.01              1  0.01  
19 -0.018             1 -0.018 
20  0.046             1  0.046 

Answer 6

পাইথন হিসাবে, কেউ পান্ডাস লাইব্রেরি ব্যবহার করে সমাধান নিয়ে আসবে। ইতিমধ্যে, এখানে একটি সহজ প্রস্তাব:

class Combiner:
    def __init__(self):
        self.index = self.seq_index = self.summation = 0

    def combine(self, value):
        self.index += 1
        if value * self.summation <= 0:
            self.seq_index = 1
            self.summation = value
        else:
            self.seq_index += 1
            self.summation += value
        return self.index, value, self.seq_index, self.summation

c = Combiner()
lst = [c.combine(v) for v in x]

for t in lst:
    print(f"{t[0]:3} {t[1]:7.3f} {t[2]:3} {t[3]:7.3f}")

আউটপুট:

  1  -0.010   1  -0.010
  2   0.003   1   0.003
  3  -0.002   1  -0.002
  4   0.018   1   0.018
  5   0.002   2   0.020
  6   0.006   3   0.026
  7  -0.012   1  -0.012
  8   0.014   1   0.014
  9  -0.017   1  -0.017
 10  -0.007   2  -0.024
 11   0.002   1   0.002
 12   0.002   2   0.004
 13  -0.004   1  -0.004
 14   0.015   1   0.015
 15   0.002   2   0.017
 16  -0.001   1  -0.001
 17  -0.008   2  -0.009
 18   0.010   1   0.010
 19  -0.018   1  -0.018
 20   0.046   1   0.046

আপনার যদি পৃথক তালিকার প্রয়োজন হয় তবে আপনি এটি করতে পারেন

idxs, vals, seqs, sums = (list(tpl) for tpl in zip(*lst))

বা, যদি পুনরাবৃত্তিগুলি ঠিক থাকে, সহজভাবে

idxs, vals, seqs, sums = zip(*lst)

( এখানে ব্যাখ্যা )

Answer 7

পাইকারনে দুটি ভিন্ন অলস সমাধান, ইটারটোলস মডিউলটি ব্যবহার করে ।

Itertools.groupby ব্যবহার করে (এবং জমা)

from itertools import accumulate, groupby

result = (
    item
    for _, group in groupby(x, key=lambda n: n < 0)
    for item in enumerate(accumulate(group), 1)
)

Itertools.accumulate ব্যবহার করে একটি কাস্টম সংগ্রহের ক্রিয়াকলাপ

from itertools import accumulate

def sign_count_sum(count_sum, value):
    count, prev_sum = count_sum
    same_sign = (prev_sum < 0) is (value < 0)
    if same_sign:
        return count + 1, prev_sum + value
    else:
        return 1, value

result = accumulate(x, sign_count_sum, initial=(0, 0))
next(result)  # needed to skip the initial (0, 0) item

মূল initialশব্দটি যুক্তিটি পাইথন ৩.৮ এ যুক্ত করা হয়েছিল। পূর্ববর্তী সংস্করণগুলিতে আপনি itertools.chain(0,0) টিপলটি প্রিপেন্ড করতে ব্যবহার করতে পারেন :

result = accumulate(chain([(0, 0)], x), sign_count_sum)

আউটপুটটি প্রত্যাশার মতো:

for (i, v), (c, s) in zip(enumerate(x), result):
    print(f"{i:3} {v:7.3f} {c:3} {s:7.3f}")

  0  -0.010   1  -0.010
  1   0.003   1   0.003
  2  -0.002   1  -0.002
  3   0.018   1   0.018
  4   0.002   2   0.020
  5   0.006   3   0.026
  6  -0.012   1  -0.012
  7   0.014   1   0.014
  8  -0.017   1  -0.017
  9  -0.007   2  -0.024
 10   0.002   1   0.002
 11   0.002   2   0.004
 12  -0.004   1  -0.004
 13   0.015   1   0.015
 14   0.002   2   0.017
 15  -0.001   1  -0.001
 16  -0.008   2  -0.009
 17   0.010   1   0.010
 18  -0.018   1  -0.018
 19   0.046   1   0.046

Answer 8

আমি এই ধরণের অপারেশনের জন্য আর প্যাকেজ রানারকে সুপারিশ করি । streak_run একই মানের একটানা সংঘটন গণনা করে এবং Sum_run উইন্ডোতে সমষ্টি গণনা করে যার দৈর্ঘ্য দ্বারা সংজ্ঞায়িত করা হয়েছেk আর্গুমেন্ট ।

সমাধান এখানে:

set.seed(100)
x <- round(rnorm(20, sd = 0.02), 3)

n_of_sequence <- runner::streak_run(x > 0)
sum <- runner::sum_run(x, k = n_of_sequence)

data.frame(x, n_of_sequence, sum)

#         x n_of_sequence    sum
# 1  -0.010             1 -0.010
# 2   0.003             1  0.003
# 3  -0.002             1 -0.002
# 4   0.018             1  0.018
# 5   0.002             2  0.020
# 6   0.006             3  0.026
# 7  -0.012             1 -0.012
# 8   0.014             1  0.014
# 9  -0.017             1 -0.017
# 10 -0.007             2 -0.024
# 11  0.002             1  0.002
# 12  0.002             2  0.004
# 13 -0.004             1 -0.004
# 14  0.015             1  0.015
# 15  0.002             2  0.017
# 16 -0.001             1 -0.001
# 17 -0.008             2 -0.009
# 18  0.010             1  0.010
# 19 -0.018             1 -0.018
# 20  0.046             1  0.046

---

আসল সমাধানগুলির তুলনা করার জন্য বেঞ্চমার্কের নীচে

set.seed(0)
x <- round(rnorm(10000, sd = 0.02), 3)

library(runner)
runner_streak <- function(x) {
  n_of_sequence <- streak_run(x > 0)
  sum <- sum_run(x, k = n_of_sequence)
}

library(data.table)
dt <- data.table(x)
dt_streak <- function(dt) {
  dt[, c("n_of_sequence", "sum") := list(seq_len(.N), cumsum(x)),rleid(sign(x))]
}

rle_streak <- function(x) {
  run_lengths <- rle(sign(x))$lengths
  run_lengths

  n_of_sequence <- run_lengths %>% map(seq) %>% unlist

  start <- cumsum(c(1,run_lengths))
  start <- start[-length(start)]
  sum <- map2(start,run_lengths,~cumsum(x[.x:(.x+.y-1)])) %>% unlist()
}

library(tidyverse)
df <- tibble(x = x)
tv_streak <- function(x) {
  res <- df %>%
    mutate(seqno = cumsum(c(1, diff(sign(x)) != 0))) %>%
    group_by(seqno) %>%
    mutate(n_of_sequence = row_number(),
           sum = cumsum(x)) %>%
    ungroup() %>% 
    select(-seqno)  
}

count_and_sum <- function(x) {
  runs   <- rle((x > 0) * 1)$lengths
  groups <- split(x, rep(1:length(runs), runs))
  output <- function(group) 
    data.frame(x = group, n = seq_along(group), sum = cumsum(group))
  result <- as.data.frame(do.call(rbind, lapply(groups, output)))
  `rownames<-`(result, 1:nrow(result))
}

microbenchmark::microbenchmark(
  runner_streak(x),
  dt_streak(dt),
  rle_streak(x),
  tv_streak(df),
  count_and_sum(x),
  times = 100L
)


# Unit: milliseconds
#             expr         min          lq        mean      median          uq        max neval
# runner_streak(x)    4.240192    4.833563    6.321697    5.300817    6.543926   14.80221   100
#    dt_streak(dt)    7.648100    8.587887   10.862806    9.650483   11.295488   34.66027   100
#    rle_streak(x)   42.321506   55.397586   64.195692   63.404403   67.813738  167.71444   100
#    tv_streak(df)   31.398885   36.333751   45.141452   40.800077   45.756279  163.19535   100
# count_and_sum(x) 1691.438977 1919.518282 2306.036783 2149.543281 2499.951020 6158.43384   100

Comments

মাইক্রোসেকেন্ডগুলিতে পরিমাপ করা তত অর্থ দেয় না। কিছু ফাংশনগুলির মাইক্রোসেকেন্ডগুলিতে প্রাথমিক ওভারহেড থাকে তবে তারা অন্যদের তুলনায় বড় ডেটা সেটগুলির জন্য স্কেল করবে। এছাড়াও df <- data.table(x)একটি সম্পূর্ণ ডাটা কপি। এছাড়াও, আপনি অন্যগুলিতে না রেখে কিছু উদাহরণে ডেটা মুদ্রণ করছেন (যা অন্য একটি সম্পূর্ণ অনুলিপি)।

— ডেভিড আরেনবুর্গ

আপনি ঠিক, স্থির।

— GoGonzo

কিছু ফাংশন বিভিন্ন বস্তু ফেরত দেয় - কিছু ভেক্টর এবং কিছু ডেটাফ্রেম - সুতরাং এটি এখনও যথেষ্ট ন্যায্য মানদণ্ড নয়। এছাড়াও কিছু বিভিন্ন ফলাফল দেয়। ব্যবহার করে দেখুন r = runner_streak(x); d = dt_streak(dt) ; all.equal(r, d$sum)। শুধুমাত্র কয়েক বিট tv_streakকিন্তু একই পরীক্ষা করে dt_streak; পূর্ববর্তী দুটি থেকে পৃথক count_and_sumহিসাবে একই দেয় runner_streak।

— ব্যবহারকারী 2957945

Answer 9

আর এ, আপনি এটি করতে পারেন:

# DATA
set.seed(100)
x <- round(rnorm(20, sd = 0.02), 3)

library(data.table)
dt <- data.table(x = x)

# Create Positive or Negative variable
dt$x_logical <- ifelse(dt$x > 0, "P", "N")

# Create a reference data.frame/table to keep continuous counts
seq_dt <- data.frame(val = rle(x = dt$x_logical)$lengths)
seq_dt$id <- 1:nrow(seq_dt)

# Map id in the main data.table and get cumulative sum
dt$id <- rep(seq_dt$id, seq_dt$val)
dt[, csum := cumsum(x), by = "id"]


        x x_logical id   csum
 1: -0.010         N  1 -0.010
 2:  0.003         P  2  0.003
 3: -0.002         N  3 -0.002
 4:  0.018         P  4  0.018
 5:  0.002         P  4  0.020
 6:  0.006         P  4  0.026
 7: -0.012         N  5 -0.012
 8:  0.014         P  6  0.014
 9: -0.017         N  7 -0.017
10: -0.007         N  7 -0.024
11:  0.002         P  8  0.002
12:  0.002         P  8  0.004
13: -0.004         N  9 -0.004
14:  0.015         P 10  0.015
15:  0.002         P 10  0.017
16: -0.001         N 11 -0.001
17: -0.008         N 11 -0.009
18:  0.010         P 12  0.010
19: -0.018         N 13 -0.018
20:  0.046         P 14  0.046

Answer 10

আমার [আর] উত্তরটি টুপিতে ছুঁড়ে দেওয়া, গতির জন্য অনুকূলিতকরণ এবং এক্সের যে কোনও দৈর্ঘ্যের সাথে কাজ করে (জিজ্ঞাসাবাদীর বিপরীতে যা দৈর্ঘ্যের জন্য কঠোর কোড 20) ছিল:

### data 
set.seed(100)
x <- round(rnorm(20, sd = 0.02), 3)

### solution
summation <- c(x[1])
enn <- 1
n_of_seq <- c(enn)
for(i in 2:length(x)){
  first <- x[i]
  second <- summation[i - 1]

  if(sign(first) == sign(second)){
    summation <- c(summation, first + second)
    enn <- enn + 1
  }else{
    summation <- c(summation, first)
    enn <- 1

  }
  n_of_seq <- c(n_of_seq, enn)
  }

---

এবং, আমার বর্তমান (খুব ধীর) কাজের কম্পিউটারে রান সময়কে তুলনা করার জন্য, এই থ্রেডের সমস্ত আর সমাধানগুলি ব্যবহার করে আমার মাইক্রোবেঞ্চমার্কের আউটপুট's আশ্চর্যজনকভাবে, সর্বাধিক অনুলিপি এবং রূপান্তরগুলি তৈরি করার সমাধানগুলি ধীর হতে থাকে।

Unit: microseconds
         expr      min       lq       mean    median       uq      max neval
     my_way()   13.301   19.200   23.38352   21.4010   23.401  20604.0 1e+05
 author_way()   19.702   31.701   40.12371   36.0015   40.502  24393.9 1e+05
      ronak()  856.401 1113.601 1305.36419 1236.8010 1377.501 453191.4 1e+05
      ameer()  388.501  452.002  553.08263  491.3000  548.701 456156.6 1e+05
     andrew() 2007.801 2336.801 2748.57713 2518.1510 2760.302 463175.8 1e+05
      gonzo()   21.901   35.502   48.84946   43.9010   51.001  29519.5 1e+05

-------------- সম্পাদনা -------------- @নিকোলার দ্বারা এটি চিহ্নিত করা হয়েছিল যে আমার দ্রবণটি দীর্ঘতর এক্স এর দীর্ঘতমের জন্য দ্রুত নয় - যা আমি এক্স <- সি (এক্স, ওয়াই) এর মতো কল ব্যবহার করে নিয়মিত ভেক্টরগুলির অনুলিপি তৈরি করছিলাম সেহেতু মোটামুটি স্পষ্ট হওয়া উচিত। আমি কেবল দৈর্ঘ্য = 20 এর জন্য দ্রুততম সমাধান তৈরি করেছি এবং এর জন্য যতটুকু যেতে পারি ঠিক ততটাই মাইক্রোব্যাঙ্কমার্ক করেছি।

আরও সুন্দর তুলনা করার জন্য, আমি বিশ্বাস করি যে দ্রুততম হবে বিশ্বাস করে মূল কোডটি তৈরি করতে আমি সমস্ত সংস্করণ সম্পাদনা করেছি, তবে আমি তাতে প্রতিক্রিয়া জানাই। এখানে আমার সম্পূর্ণ বেঞ্চমার্কিং কোড এবং আমার খুব ধীর সিস্টেমের জন্য ফলাফল। আমি কোন প্রতিক্রিয়া স্বাগত জানাই।

# originally benchmarked a few different lengths
for(pie in c(100000)){


my_way<- function(){
  set.seed(100)
  x <- round(rnorm(pie, sd = 0.02), 3)
summation <- c(x[1])
enn <- 1
n_of_seq <- c(enn)
for(i in 2:length(x)){
  first <- x[i]
  second <- summation[i - 1]

  if(sign(first) == sign(second)){
    summation <- c(summation, first + second)
    enn <- enn + 1
  }else{
    summation <- c(summation, first)
    enn <- 1

  }
  n_of_seq <- c(n_of_seq, enn)
  }

# print(summation)
}




author_way <- function(){
  set.seed(100)
  x <- round(rnorm(pie, sd = 0.02), 3)

  sign_indicator <- ifelse(x > 0, 1,-1)
  sky <- length(x)
  number_of_sequence <- rep(NA, sky)
  n <- 1
  for (i in 2:sky) {
    if (sign_indicator[i] == sign_indicator[i - 1]) {
      n <- n + 1
    } else{
      n <- 1
    }
    number_of_sequence[i] <- n

  }
  number_of_sequence[1] <- 1

  #############################

  summation <- rep(NA, sky)

  for (i in 1:sky) {
    summation[i] <- sum(x[i:(i + 1 - number_of_sequence[i])])
  }
}


# other ppls solutions:




ronak <- function(){
df <- data.table('x' = round(rnorm(pie, sd = 0.02), 3))
df[, c("n_of_sequence", "sum") := list(seq_len(.N), cumsum(x)),rleid(sign(x))]
}



ameer <- function(){
  set.seed(100)
  x <- round(rnorm(pie, sd = 0.02), 3)
  run_lengths <- rle(sign(x))$lengths
  n_of_sequence <- run_lengths %>% map(seq) %>% unlist
  start <- cumsum(c(1,run_lengths))
  start <- start[-length(start)] # start points of each series 
  map2(start,run_lengths,~cumsum(x[.x:(.x+.y-1)])) %>% unlist()

}


count_and_sum <- function(x){
  set.seed(100)
  x <- round(rnorm(pie, sd = 0.02), 3)
  runs   <- rle((x > 0) * 1)$lengths
  groups <- split(x, rep(1:length(runs), runs))
  output <- function(group) data.frame(x = group, n = seq_along(group), sum = cumsum(group))
  result <- as.data.frame(do.call(rbind, lapply(groups, output)))
  `rownames<-`(result, 1:nrow(result))
}



andrew <- function(){
  set.seed(100)
  df <- tibble(x = round(rnorm(pie, sd = 0.02), 3)) %>% 
    mutate(seqno = cumsum(c(1, diff(sign(x)) != 0))) %>% #identify sequence ids
    group_by(seqno) %>%                                  #group by sequences
    mutate(n_of_sequence = row_number(),                 #count row numbers for each group
           sum = cumsum(x)) %>%                          #cumulative sum for each group
    ungroup() %>% 
    select(-seqno) 
}

gonzo <- function(){
  set.seed(100)
  x <- round(rnorm(pie, sd = 0.02), 3)
  n_of_sequence <- runner::streak_run(x > 0)
  sum <- runner::sum_run(x, k = n_of_sequence)
}



mi1 <- microbenchmark(my_way(), author_way(), ronak(), ameer(), andrew(), gonzo(), times = 10)
print(mi1)

}

এই ফলাফলগুলি যেমন দেখায়, আমি যেটি জন্য অপ্টিমাইজ করেছি তার চেয়ে অন্য দৈর্ঘ্যের জন্য, আমার সংস্করণটি ধীর। এক্সটি যত বেশি লম্বা হবে, এটি 1000 এর উপরে যে কোনও বিষয় নিয়ে হাস্যকরভাবে ধীরে ধীরে উঠে যায় My আমার প্রিয় সংস্করণ রোনাকের যা আমার সিস্টেমে কেবল দ্বিতীয় দ্রুততম। GoGonzo আমার মেশিনে এই দীর্ঘ দৈর্ঘ্যে সবচেয়ে দ্রুততম।

Unit: milliseconds
         expr        min         lq        mean      median         uq        max neval
     my_way() 21276.9027 21428.2694 21604.30191 21581.97970 21806.9543 21896.7105    10
 author_way()    82.2465    83.0873    89.42343    84.78315    85.3638   115.4550    10
      ronak()    68.3922    69.3067    70.41924    69.84625    71.3509    74.7070    10
      ameer()   481.4566   509.7552   521.19034   514.77000   530.1121   579.4707    10
     andrew()   200.9654   202.1898   210.84914   206.20465   211.2006   233.7618    10
      gonzo()    27.3317    28.2550    28.66679    28.50535    28.9104    29.9549    10

Comments

এছাড়াও অন্যান্য উত্তরগুলি যে কোনও দৈর্ঘ্যের জন্য কাজ করে এবং আপনার মানদণ্ডে কিছু সমস্যা থাকতে হবে। data.table@ রোনাকের সমাধানটির প্রতি শ্রদ্ধা জানাতে , আপনার হ'ল দৈর্ঘ্যের ক্রমটি ~ 100000 এর জন্য ধীর গতির।

— নিকোলা

ধন্যবাদ @ এনকোলা, আমি কেবল বলেছি যে প্রশ্নকারীর সমাধানটি কেবলমাত্র 20 টি আইটেমের জন্য কাজ করেছে যা অন্য কোনও সমাধান করেনি - তারা আসলে তা করে। আমি 20 আইটেমের দৈর্ঘ্যের গতিটিও অনুকূলিত করেছিলাম যাতে আমার দাবিটি সেখানে সবচেয়ে দ্রুত শেষ হয়। এটির মূল্যের জন্য, আমি রোনাক্স সমাধানটি সবচেয়ে ভাল পছন্দ করেছি তবে লেখক স্পষ্টভাবে সমস্যা সমাধানের আরও বিভিন্ন উপায়ের জন্য বলেছিলেন। রোনাক এর 1000 এর দৈর্ঘ্যের জন্য ইতিমধ্যে দ্রুত।

— প্রতিক্রিয়া_ এভেন্ট

এবং মাইক্রোব্যাঙ্কমার্কে প্রসারিত করতে। আমি আমার বেঞ্চমার্কটি পুনরায় সংশোধন করেছিলাম যাতে প্রতিটি সমাধান তারা ব্যবহার করছে যে ফর্ম্যাটটিতে (x) তৈরি করা হয়েছিল, তাই যেগুলি টিবলগুলি তৈরি করে তারা টিবেল কলটিতে এক্স উত্পন্ন করে থাকে, ডাটা.ট্যাবল ইত্যাদির জন্য একই, আমি জিজ্ঞাসকের মূল সমাধানটি পুনরায় সংশোধন করেছি যাতে কোনও দৈর্ঘ্যের জন্য কাজ করে (মাত্র একটি ভেরিয়েবেলে x এর দৈর্ঘ্য সংরক্ষণ করা এবং এর সাথে 20 টি প্রতিস্থাপন করা I তারপর আমি এটি 10.000 পুনরাবৃত্তির জন্য 100.000 দৈর্ঘ্যের জন্য চালিয়েছিলাম Note দ্রষ্টব্য, আমার কম্পিউটারটি স্যুউপার স্লো, এটি ডিডিআর 3 এর সাথে একটি 5 তম জেন ইন্টার প্রসেসরে চলছে) । 1600 MHz আমি ঐ ফলাফল নিয়ে আমার পোস্ট সম্পাদনা করছি।

— Adverse_Event

Answer 11

পাইথনে, মেমরি ভেরিয়েবলগুলি সঞ্চয় করতে কোনও শ্রেণি সংজ্ঞায়িত করা ছাড়াও আপনি এটি অর্জনের জন্য ক্লোজার ব্যবহার করতে পারেন।

def run():
    count = 0
    last_sign = 0

    def sign(i):
        return 1 if i > 0 else -1

    def f(i):
        nonlocal count
        nonlocal last_sign
        if sign(i) == last_sign:
            count = count+1
        else:
            last_sign = sign(i)
            count = 1
        return count

    return f

f = run()
y = [f(i) for i in x]

দ্রষ্টব্য এটি পাইথন 3 এর জন্যই কাজ করে (পাইথন 2 তে আমার মনে হয় আপনি ক্লোজার ভেরিয়েবলটি এর মতো পরিবর্তন করতে পারবেন না)। সংক্ষিপ্তসার জন্য একই জিনিস।

Answer 12

আমি মনে করি একটি লুপটি পড়া সহজ হবে তবে কেবল মজাদার জন্য পুনরাবৃত্তি ব্যবহার করে পাইথনের একটি সমাধান এখানে দেওয়া হয়েছে:

x = [-0.01, 0.003, -0.002, 0.018, 0.002, 0.006, -0.012, 0.014, -0.017, -0.007, 0.002, 0.002, -0.004, 0.015, 0.002,
     -0.001, -0.008, 0.01, -0.018, 0.046]


def sign(number):
    return 1 if number > 0 else -1


def sum_previous(pos, result=None):
    if not result:
        result = x[pos]
    else:
        result += x[pos]
    if pos == 0 or sign(x[pos]) != sign(x[pos-1]):
        return result
    else:
        return sum_previous(pos-1, result)


results = [sum_previous(i) for i in range(len(x))]
print(results)

Answer 13

এখানে অন্য বেস আর পদ্ধতির:

data.frame(x,
           n = sequence(rle(sign(x))$lengths),
           sum = Reduce(function(x, y) if (sign(x) == sign(y)) x + y else y, x, accumulate = TRUE))

        x n    sum
1  -0.010 1 -0.010
2   0.003 1  0.003
3  -0.002 1 -0.002
4   0.018 1  0.018
5   0.002 2  0.020
6   0.006 3  0.026
7  -0.012 1 -0.012
8   0.014 1  0.014
9  -0.017 1 -0.017
10 -0.007 2 -0.024
11  0.002 1  0.002
12  0.002 2  0.004
13 -0.004 1 -0.004
14  0.015 1  0.015
15  0.002 2  0.017
16 -0.001 1 -0.001
17 -0.008 2 -0.009
18  0.010 1  0.010
19 -0.018 1 -0.018
20  0.046 1  0.046

Comments

কেবল নিটপিক করার জন্য, Reduceএকটি লুপ লুকিয়ে রাখে, সুতরাং এটি কোনও নন-লুপিং সমাধান নয়।

— নিকোলা

Answer 14

একটি সাধারণ অজগর উত্তর, 0 কেস উপেক্ষা করে:

x = [-0.01, 0.003, -0.002, 0.018, 
     0.002, 0.006, -0.012, 0.014, 
     -0.017, -0.007, 0.002, 0.002, 
     -0.004, 0.015, 0.002, -0.001, 
     -0.008, 0.01, -0.018, 0.046]

count = 0
sign_positive = x[0] > 0
sign_count = []
for n in x:
    # the idea is to keep track of the sign and increment the 
    # count if it agrees with the current number we are looking at
    if (n > 0 and sign_positive) or (n < 0 and not sign_positive):
        count = count + 1
    # if it does not, the count goes back to 1
    else:
        count = 1
    # Whether we increased the count or not, we update whether the
    # sign was positive or negative
    sign_positive = n > 0
    sign_count.append(count)

# This is just to reproduce the output 
# (although I find the last repetition of the number unnecessary)    
results = list(zip(x, sign_count))
for i, result in enumerate(results):
    print(f"{i: >2d} {result[0]: .3f} {result[1]: >2d} {result[0]: .3f}")

 0 -0.010  1 -0.010
 1  0.003  1  0.003
 2 -0.002  1 -0.002
 3  0.018  1  0.018
 4  0.002  2  0.002
 5  0.006  3  0.006
 6 -0.012  1 -0.012
 7  0.014  1  0.014
 8 -0.017  1 -0.017
 9 -0.007  2 -0.007
10  0.002  1  0.002
11  0.002  2  0.002
12 -0.004  1 -0.004
13  0.015  1  0.015
14  0.002  2  0.002
15 -0.001  1 -0.001
16 -0.008  2 -0.008
17  0.010  1  0.010
18 -0.018  1 -0.018
19  0.046  1  0.046

আরও কিছু পরিশীলিত সমাধান, 0 কেসের যত্ন নেবে:

# To test the 0 case I am changing two numbers to 0
x = [-0.01, 0.003, -0.002, 0.018, 
     0.002, 0.006, -0.012, 0.014, 
    -0.017, -0.007, 0, 0, 
    -0.004, 0.015, 0.002, -0.001, 
    -0.008, 0.01, -0.018, 0.046]

# The rest is similar
count = 0
# This time we are using a nested ternary assignment 
# to account for the case of 0
# This would be more readable as a function, 
# but what it does is simple
# It returns None if n is 0, 
# True if it is larger than 0 
# and False if it less than 0
sign_positive = None if n == 0 else False if n < 0 else True
sign_count = []
for n in x:
    # We add the case of 0 by adding a third condition where
    # sign_positive was None (meaning the previous
    # number was 0) and the current number is 0.
    if (n > 0 and sign_positive) or \
       (n < 0 and not sign_positive) or \
       (n == 0 and sign_positive == None):
        count = count + 1
    else:
        count = 1
    sign_positive = None if n == 0 else False if n < 0 else True
    sign_count.append(count)
results = list(zip(x, sign_count))
for i, result in enumerate(results):
    print(f"{i: >2d} {result[0]: .3f} {result[1]: >2d} {result[0]: .3f}")

 0 -0.010  1 -0.010
 1  0.003  1  0.003
 2 -0.002  1 -0.002
 3  0.018  1  0.018
 4  0.002  2  0.002
 5  0.006  3  0.006
 6 -0.012  1 -0.012
 7  0.014  1  0.014
 8 -0.017  1 -0.017
 9 -0.007  2 -0.007
10  0.000  1  0.000
11  0.000  2  0.000
12 -0.004  3 -0.004
13  0.015  1  0.015
14  0.002  2  0.002
15 -0.001  1 -0.001
16 -0.008  2 -0.008
17  0.010  1  0.010
18 -0.018  1 -0.018
19  0.046  1  0.046