Nano Hash - криптовалюты, майнинг, программирование

Массив Python 3, инвертирующие точки многоугольника

У меня есть список координат, но координаты x, y не входят в кортеж:

width,height = 100
#my_list = (x1, y1, x2, y2, ...)
#my_list = (0, 50, 50, 0, 50, 100)
my_list = (0, height/2, width/2, 0, width/2, height)

Эти точки могут создать форму многоугольника. В моем случае треугольник, заполняющий половину области 100x100, направлен влево.

Я пытаюсь инвертировать (по горизонтали) треугольник, чтобы он указывал вправо, поэтому решение было бы таким:

my_list = (width, height/2, width/2, 0, width/2, height)

Но я думал, как мне сделать функцию, которая могла бы инвертировать по горизонтали любой многоугольник? Что-то вроде этого:

my_list = (0, height/2, width/2, 0, width/2, height)
invert_horizontally(my_list, width, height)
>>> (100, 50, 50, 0, 50, 100)

Я думаю, что чтобы инвертировать точки, я должен сделать что-то вроде этого:

for point in my_list:
    if this point is x:
        new_x = width - point
    else:
        pass

Итак, вот моя проблема: как определить, что точка X. Также как создать однострочный код из этого кода?

Изменить:

Мой код до сих пор:

new_list = [ @@@-point for point in my_list ]

теперь @@@ должно измениться в зависимости от того, является ли точка x или y.

Изменить №2:

По сути, мне нужно, чтобы для каждой четной точки элемента использовалась точка ширины.


  • В приведенном вами примере единственная разница, которую я вижу, это первый элемент, который изначально равен 0, а затем становится width. В остальном список остается прежним. В этом случае просто выполните my_list[0]= width и вернитесь. 22.10.2018
  • @Bazingaa это потому, что я использовал квадратный (симметричный) холст 100x100. Я хотел создать однострочный слой, который можно было бы применить к любому другому полигону (в основном к несимметричному). 22.10.2018

Ответы:


1

Вы знаете, что точки хранятся последовательно как значения x, y внутри списка. Таким образом, вы знаете, что все x находятся в четных позициях. Один лайнер может быть:

inverted_triangle = [width-coord if i % 2 == 0 else coord for i, coord in enumerate(triangle)]
22.10.2018

2

Вы можете сделать итератор из my_list, zip с самим собой, чтобы соединить координаты x и y, и использовать соответствующие вычисления для x и y для получения инвертированных координат:

def invert_horizontally(my_list, width, height):
    i = iter(my_list)
    return [coord for x, y in zip(i, i) for coord in (width - x, y)]

так что, учитывая ваш образец ввода,

invert_horizontally(my_list, width, height)

возвращает:

[100, 50, 50, 0, 50, 100]
22.10.2018
Новые материалы

Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..