Мы хотим оптимизировать некоторое кодирование в Python, и в этом случае мы смотрим на наше «ленивое» кодирование. Чтобы оптимизировать нашу программу, мы хотим использовать классы и функции! (мы новички в python), и в этом случае мы создали класс с именем Update:
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)
Что мы хотим сделать с нашей программой, так это сгенерировать 3x новых средних значения из из 2 поплавков.
например, мы начинаем с:
first[-1] = 33.31
last[-1] = 29.81
average = 31.56
, затем мы хотим взять верхнее среднее:
(29.81+31.56)/2 = 30.69
Нижнее среднее:
(33.31+31.56)/2 = 32.44
Наконец, нам нужен список, показывающий: {33.31, 32.44, 31.56, 30.69, 29.81}
К сожалению, наша средняя функция не работает должным образом, и когда мы запускаем нашу программу, мы получаем следующую ошибку:
/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)
Хорошо, вот что мы делаем. Имейте в виду, что мы застряли на среднем из наших двух значений, а затем после того, как мы сможем найти верхний и нижний средний. Комментированные строки кода - это то, как программа была изначально запрограммирована, и то, что мы хотим оптимизировать.
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)