如何为两个不重叠区间划分等长子区间？

问题分析 #

你的核心问题是原代码错误地将**整个连续范围（从min1到max2）**划分为等长区间，导致子区间跨了两个原始不重叠区间。正确的思路是：子区间只能落在[min1, max1]或[min2, max2]内，且所有子区间长度相同，需要找到满足以下条件的子区间长度L：

• [min1, max1]可被划分为k个长度为L的子区间（k为正整数）
• [min2, max2]可被划分为m个长度为L的子区间（m为正整数）
• 总子区间数k+m可匹配需求（或根据L调整）

实现思路 #

1. 计算两个原始区间的长度：len1 = max1 - min1，len2 = max2 - min2
2. 若指定了总子区间数num_intervals，先验证是否存在整数k（1 ≤ k < num_intervals）使得len1/k ≈ len2/(num_intervals -k)（考虑浮点数精度）
3. 若指定的num_intervals无法满足条件，则寻找len1和len2的最大公约数（GCD），以公约数或其约数作为子区间长度L，确保两个区间都能被整数划分
4. 生成两个区间内的所有等长子区间

代码实现 #

import numpy as np

def split_intervals(min1, max1, min2, max2, num_intervals=None):
    # 验证区间合法性
    if min2 <= max1:
        raise ValueError("Invalid intervals: min2 must be greater than max1.")
    
    len1 = max1 - min1
    len2 = max2 - min2
    interval_len = None
    k, m = 0, 0
    
    # 处理指定总子区间数的情况
    if num_intervals is not None:
        # 计算k的理论值：k = (len1 * num_intervals) / (len1 + len2)
        k_theory = (len1 * num_intervals) / (len1 + len2)
        # 尝试取k的整数近似，检查是否满足精度要求
        for candidate_k in [int(np.round(k_theory)), int(k_theory), int(k_theory)+1]:
            if 1 <= candidate_k < num_intervals:
                candidate_m = num_intervals - candidate_k
                l1 = len1 / candidate_k
                l2 = len2 / candidate_m
                # 浮点数精度检查
                if np.isclose(l1, l2, rtol=1e-9):
                    interval_len = l1
                    k, m = candidate_k, candidate_m
                    break
        if interval_len is None:
            print(f"无法用{num_intervals}个等长子区间划分，将自动调整为可行数量")
    
    # 若指定数量不可行或未指定，使用最大公约数确定子区间长度
    if interval_len is None:
        # 计算两个长度的最大公约数（处理浮点数，先放大为整数）
        scale = 10**9  # 放大倍数，避免浮点数精度问题
        gcd_val = np.gcd(int(len1 * scale), int(len2 * scale)) / scale
        interval_len = gcd_val
        k = int(len1 / interval_len)
        m = int(len2 / interval_len)
    
    # 生成第一个区间的子区间
    intervals1 = np.linspace(min1, max1, num=k+1)
    # 生成第二个区间的子区间
    intervals2 = np.linspace(min2, max2, num=m+1)
    
    # 合并并输出结果
    print("Original intervals:")
    print(f"Interval 1: [{min1}, {max1}]")
    print(f"Interval 2: [{min2}, {max2}]")
    
    print("\nDivided intervals:")
    total_idx = 1
    for i in range(k):
        print(f"Interval {total_idx}: [{intervals1[i]:.1f}, {intervals1[i+1]:.1f}]")
        total_idx +=1
    for i in range(m):
        print(f"Interval {total_idx}: [{intervals2[i]:.1f}, {intervals2[i+1]:.1f}]")
        total_idx +=1
    return intervals1, intervals2

# 测试示例
min1, max1 = 0, 6
min2, max2 = 8, 17
split_intervals(min1, max1, min2, max2, num_intervals=5)

代码说明 #

• 当指定num_intervals=5时，代码会计算出k=2、m=3，子区间长度L=3.0，生成你期望的结果
• 若指定的子区间总数无法满足等长划分，代码会自动使用两个区间长度的最大公约数作为子区间长度，确保划分合法
• 支持负数和浮点数输入，只需保证min2>max1即可

测试输出 #

Original intervals:
Interval 1: [0, 6]
Interval 2: [8, 17]

Divided intervals:
Interval 1: [0.0, 3.0]
Interval 2: [3.0, 6.0]
Interval 3: [8.0, 11.0]
Interval 4: [11.0, 14.0]
Interval 5: [14.0, 17.0]

内容的提问来源于stack exchange，提问作者KansaiRobot