Python循环计数问题：数据回归指定值时周期标记报错与优化

原场景与需求 #

有一组上下波动的数据，每当数据回归到指定值（如9.77）时计为一个周期，需要为每个输入数据分配对应的周期标签。现有Python代码运行报错，需修正错误或提供更高效实现方法。

原代码 #

import matplotlib.pyplot as plt
import numpy as np
data= [9.77,10.38,10.38,10.68,10.07,10.68,10.38,10.07,10.07,10.07,10.38,9.77,10.07,10.07, 10.38,10.07,10.38,10.07,10.38,10.38,10.68,9.77]
plt.plot(data)
data = np.array(data)
labels = []
searchval = 9.77
ii = np.where(data == searchval)[0]
print(f'New Cycle markers: {ii}')
t = True
cycle = 1
while t == True:
    labels = [cycle] * ii[cycle]
    labels.append(labels)
    cycle = cycle + 1

报错信息 #

exec(code_obj, self.user_global_ns, self.user_ns)
File "<ipython-input-21-7cfe5b673865>", line 4, in <module>
    labels = [cycle] * ii[cycle]
IndexError: index 3 is out of bounds for axis 0 with size 3

理想输出 #

周期1包含前11个数据，周期2包含接下来的10个数据，周期3包含最后1个数据，对应标签列表：

labels = [1,1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,2,2,3]

错误原因 #

• ii是指定值的索引数组，此处ii = [0,11,21]，长度为3。循环中cycle从1开始，当cycle=3时，ii[cycle]访问下标3，超出数组范围，触发IndexError。
• 原代码逻辑完全错误：每次循环直接覆盖labels，还错误地将labels作为元素添加到自身，无法实现为每个数据点分配标签的需求。

修正与高效实现方案 #

方法1：基于索引区间的循环实现 #

import matplotlib.pyplot as plt
import numpy as np

data = [9.77,10.38,10.38,10.68,10.07,10.68,10.38,10.07,10.07,10.07,10.38,9.77,10.07,10.07, 10.38,10.07,10.38,10.07,10.38,10.38,10.68,9.77]
plt.plot(data)
data = np.array(data)
searchval = 9.77
ii = np.where(data == searchval)[0]
labels = []
cycle = 1

# 遍历每个周期标记点
for i in range(len(ii)):
    if i == len(ii) - 1:
        # 最后一个周期，覆盖到数据末尾
        start = ii[i]
        end = len(data)
    else:
        # 前序周期，从当前标记到下一个标记
        start = ii[i]
        end = ii[i+1]
    # 为区间内所有数据添加当前周期标签
    labels.extend([cycle] * (end - start))
    cycle += 1

print(labels)

方法2：numpy向量化操作（高效处理大规模数据） #

import matplotlib.pyplot as plt
import numpy as np

data = [9.77,10.38,10.38,10.68,10.07,10.68,10.38,10.07,10.07,10.07,10.38,9.77,10.07,10.07, 10.38,10.07,10.38,10.07,10.38,10.38,10.68,9.77]
plt.plot(data)
data = np.array(data)
searchval = 9.77

# 生成指定值的掩码数组
mask = data == searchval
# 用累加统计每个位置对应的周期数
labels = np.cumsum(mask).tolist()

print(labels)

说明 #

• 方法2通过numpy向量化操作替代显式循环，处理大规模数据时效率远高于循环实现。
• 两种方案均能准确为每个数据点分配对应周期标签，符合需求。

内容的提问来源于stack exchange，提问作者maximus