将数组之间的最大差异显示为列表

Question

我有两个二维数组，其中每行表示一个时间，每列表示一个项目。我想找出每个项目的两个数组之间的最大差异。（我并不特别关心在这一点上找出最大的差异。）

我想创建一个这些最大差异的列表，这样以后我就可以找到该列表中最大的15个。

到目前为止，我已经尝试通过做这样的事情来完成这项任务：

import numpy as np
array1 = [[1, 2, 3, 4, 5], [2, 4, 6, 8, 10], [3, 6, 9, 12, 15]]
array2 = [[6, 7, 8, 9, 10], [11, 22, 33, 44, 55], [1, 4, 9, 16, 25]]
num_items = np.shape(array1)[1]
num_timesteps = np.shape(array1)[0]
for counter in np.arange(0, num_items):
    for counter2 in np.arange(0, num_timesteps):
        diff_list = []
        diff = array1[counter2][counter] - array2[counter2][counter]
        diff = abs(diff)
        diff_list.append(diff)
    max_diff = []
    max_diff.append(max(diff_list))
    print max_diff

但是，这不会打印实际的列表。相反，它为我提供了每个项目的一个列表，其中该项目的差异最大。

期望输出：[2，2，0，4，10]

电流输出：[2][2][0][4][10]

所以，我的问题是：如何找到两个数组之间的最大差异，并将它们放在一个列表中？

Answer 1

为了获得所需的输出，您需要将max_diff = []移到for循环之外。这将导致以下代码：

import numpy as np
array1 = [[1, 2, 3, 4, 5], [2, 4, 6, 8, 10], [3, 6, 9, 12, 15]]
array2 = [[6, 7, 8, 9, 10], [11, 22, 33, 44, 55], [1, 4, 9, 16, 25]]
num_items = np.shape(array1)[1]
num_timesteps = np.shape(array1)[0]
max_diff= []  #moves this outside of the for loop
for counter in np.arange(0, num_items):
    for counter2 in np.arange(0, num_timesteps):
        diff_list = []
        diff = array1[counter2][counter] - array2[counter2][counter]
        diff = abs(diff)
        diff_list.append(diff)
    max_diff.append(max(diff_list))
    print (max_diff)

输出：[2,2,0,4,10]

Answer 2

使用np.subtract怎么样？在创建循环迭代器时，您忽略了使用numpy的要点。

不能100%确定这是否有效，因为我没有安装numpy，但这里的代码：

import numpy as np
array1 = [[1, 2, 3, 4, 5], [2, 4, 6, 8, 10], [3, 6, 9, 12, 15]]
array2 = [[6, 7, 8, 9, 10], [11, 22, 33, 44, 55], [1, 4, 9, 16, 25]]
array1, array2 = np.asarray(array1), np.asarray(array2)
diff = np.subtrat(array1, array2)
diff = np.absolute(diff)
print diff.max()

Answer 3

通过列表压缩，您可以执行以下操作：

a=[abs(b-c) for x,y in zip(array1,array2) for b,c in zip(x,y)]

输出：[5,5,5,5,9,18,27,36,45,2,0,4,10]

编辑：你只想要最后一个所以：

a=[abs(x-y) for x,y in zip(array1[2],array2[2])]

输出：[2,2,0,4,10]

这比numpy操作慢一点，但对于这种大小，这应该不是问题。