Nano Hash - криптовалюты, майнинг, программирование

Фильтровать пары ключ-значение в упорядоченном словаре в python, если ключи отличаются от первого ключа не более чем на x дней

У меня есть упорядоченный словарь в python, где ключи имеют формат даты и времени, а значения представляют собой списки элементов. Я хотел бы иметь возможность фильтровать пары ключ-значение в этом словаре по разнице между ключом и первым ключом. Например, я хотел бы сохранить только те пары ключ-значение, которые произошли не позднее, чем через 5 дней после первой пары ключ-значение. Другими словами, если вычесть 1-е значение ключа из другого значения ключа, разница составит 5 дней или меньше.

Я знаю, что могу отфильтровать словарь по простому условию, как это было сделано здесь:

Как отфильтровать словарь по произвольному условию функция?

Но я не уверен, как настроить условие в моем случае, так как мне нужно иметь абсолютную ссылку на первый ключ и относительно каждого другого ключа в словаре.

Словарь, который я хотел бы отфильтровать, выглядит так:

my_dict = OrderedDict([
         (Timestamp('2019-01-11 00:00:00'), ['a','b','c']),
         (Timestamp('2019-01-16 00:00:00'),['c', 'e', 'f', 'k']),
         (Timestamp('2019-01-23 00:00:00'), ['a', 'c', 'l']),
         (Timestamp('2019-02-08 00:00:00'), ['w','y','z'])
         ])

Мой отфильтрованный словарь должен содержать только пары ключ-значение, у которых есть ключи в течение 5 дней после первого ключа, поэтому я должен получить только первые две пары ключ-значение.

filt_dict = OrderedDict([
         (Timestamp('2019-01-11 00:00:00'), ['a','b','c']),
         (Timestamp('2019-01-16 00:00:00'),['c', 'e', 'f', 'k']),
         ])
python-3.x filter key datetime difference
04.07.2019

Ответы:


1

Я не уверен, что внутри вашего class Timestamp, поэтому я сделал кое-что, что поможет вам начать:

from collections import OrderedDict
from datetime import datetime, timedelta

class Timestamp:
    def __init__(self, t):
        t = datetime.strptime(t, "%Y-%m-%d %H:%M:%S")
        self.t = datetime(year=t.year, month=t.month, day=t.day, hour=t.hour, minute=t.minute, second=t.second)

    def __lt__(self, other):
        return self.t < other.t

    def __sub__(self, other):
        return self.t - other.t

    def __repr__(self):
        return '{}'.format(self.t)

my_dict = OrderedDict([
         (Timestamp('2019-01-11 00:00:00'), ['a','b','c']),
         (Timestamp('2019-01-16 00:00:00'),['c', 'e', 'f', 'k']),
         (Timestamp('2019-01-23 00:00:00'), ['a', 'c', 'l']),
         (Timestamp('2019-02-08 00:00:00'), ['w','y','z'])
         ])

first = [*my_dict.keys()][0]
d = timedelta(days=5)

new_dict = OrderedDict( (k, v) for k, v in my_dict.items() if k - first <= d )
print(new_dict)

Отпечатки:

OrderedDict([(2019-01-11 00:00:00, ['a', 'b', 'c']), (2019-01-16 00:00:00, ['c', 'e', 'f', 'k'])])
04.07.2019
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..