Compressão de série numérica em Python
Publicado por leandro peçanha scardua (última atualização em 28/07/2017)
[ Hits: 3.672 ]
Homepage: https://leandropecanhascardua.github.io/
Download compressao_serie_numerica.py
Esse script comprime uma série numérica, isto é, dada uma série de números, ele gera uma outra série com os pontos mais representativos da série original com n pontos (que é um parâmetro do algoritmo). A série comprimida deve se assemelhar à série original, mas destacando os picos e vales contidos nos dados.
Pode ser usado, por exemplo, para destacar as subidas e descidas na cotação dos preços de uma ação na Bovespa, por exemplo.
Essa é uma versão inicial. A performance pode ser melhorada usando a biblioteca numpy.
# para o algoritmo só é necessário math import math # apenas para apresentação em gráfico import matplotlib.pyplot as plt # # Classe para abstrair um ponto da série numérica # # É uma classe auxiliar, intermediaria. # class Ponto: def __init__(self, val, ind): # é o número propriamente dito self.valor = val # distância entre o número e a reta teórica que liga os pivots da esquerda e da direita self.dist = 0 # este número já foi inserido na série comprimida? self.usado = False # índice que o número ocupa na série original.Existe apenas para facilitar o algoritmo self.indice = ind # calcula a inclinação entre dois pontos no plano cartesiano. Ou seja, calcula a tangente.Há implementações para essa função na # biblioteca math. Ou seja, esta função será substituída no futuro def inclinacao(p1,ind1, p2,ind2): tg = (p2.valor - p1.valor)/(ind2 - ind1) return tg # calcula a distância entre o valor e a reta suporte traçada entre dois pontos, que no algoritmo serão os pivots #esquerdo e direito def calcDistancia(serie, ind1, ind2): p0 = serie[ind1] pn = serie[ind2] tg = inclinacao(p0,ind1,pn,ind2) for i in range(ind1, ind2): y = tg * (i-ind1) + p0.valor serie[i].dist = math.fabs(serie[i].valor - y) # função para selecionar o ponto mais distante da reta de suporte. Na verdade, como as distâncias são atualizadas apenas em # um trecho da série, a busca é global, ou seja, em toda a série def obterPivot(serie): indice = 0 maior = -1 for i in range(0, len(serie)): if (serie[i].usado == True): continue if(serie[i].dist > maior): indice = i maior = serie[i].dist return indice # se um pivot foi selecionado, adicione-o aa serie comprimida marcando-o como em uso def marcarPonto(serie, indice): serie[indice].usado = True # quando um pivot é escolhido, é necessario atualizar a distancia no trecho entre os # dois pontos de referencia anteriores. Aqui será retornado o ponto aa esquerda def obterReferenciaEsquerda(serie,ind): indice = ind-1 for i in range(indice,-1,-1): if serie[i].usado == True: indice = i break return indice #aqui o ponto aa direita def obterReferenciaDireita(serie,ind): indice = ind+1 for i in range(indice, len(serie)): if serie[i].usado == True: indice = i break return indice # # aqui está o algoritmo propriamente dito. # # o algoritmo funciona marcando o ponto inicial e o final da série. A seguir, calcula a inclinação entre os dois pontos # e calcula a distância entre cada ponto da série original a uma reta que inicia no ponto inicial. # Em seguida o algotitmo seleciona o ponto com maior distancia a esta reta de suporte e marca-o como usado (está sendo adicionado aa serie comprimida). # Em seguida os passos anteriores são repetidos no trecho entre o ponto inicial (que será referencia aa esquerda) e o ponto final(referencia aa direita). # Nos dois trechos será calculada a inclinação, distância etc, até que o número de pontos para a série comprimida seja alcançado. # um detalhe importante a ser mencionado é que no n-ésimo ponto o pivot pode estar no meio da série e haver outros pontos que já foram pivots e que, portanto, # fazem parte da série comprimida. Esses pontos são as referencias aa direita e aa esquerda para calcular a inclinação, distancia etc e só é atualizada neste trecho. # # o algoritmo foi criando usando as funções padrão de lista do python. Ou seja, pode ter a performance melhorada usando a biblioteca numpy, o que pretendo fazer no futuro. # def comprimir(serie, n): if n <= 2: return p0 = 0 pn = len(serie)-1 serie[p0].usado = True serie[pn].usado = True pivot = -1 for x in range(0, n-2): if x == 0: calcDistancia(serie, p0, pn) pivot = obterPivot(serie) marcarPonto(serie, pivot) esquerda = obterReferenciaEsquerda(serie, pivot) direita = obterReferenciaDireita(serie, pivot) p0 = esquerda pn = direita # a série será atualizada no trecho entre os pontos de pivot anteriores, que só coincidirao com o valor inicial e final nos primeiros passos do algoritmo if(x > 0): calcDistancia(serie, p0, pivot) calcDistancia(serie, pivot, pn) #imprime_dist(serie) #print ("pivot=%d"%pivot) #print ("esquerda=%d"%(esquerda)) #print ("direita=%d\n------"% (direita)) # # ----------------------------------------------------------------------------------------------------------------------------------------------------- # # função auxiliar para extrair os números marcados e criar uma lista independente def extrair_lista_comprimida(serie): lstX = list() lstY = list() for p in serie: if p.usado == True: lstX.append(p.indice) lstY.append(p.valor) return lstX, lstY if __name__ == "__main__": # # criação da série numérica original # linhas = [1.0, 3.0, 12,6.0, 2.0,1.0,5.0,9.0,2.0,10,4.0, 9,10] # # criacao de uma serie auxiliar para guardas os objetos do tipo Ponto # serie = list() # # criação de uma lista de pontos para guardas as informações intermediárias do algoritmo # i = 0 for p in linhas: pt = Ponto(p,i) serie.append(pt) i = i+1 # # chamando o algorimo propriamente dito. O segundo parametro é o numero de pontos que estarão na série comprimida. Pode ser entendido # como nível de compressão da série # comprimir(serie,4) # # extraindo a série numérica comprimida resultante # lsX, lsY = extrair_lista_comprimida(serie) # # agora vamos mostrar o gráfico final # plt.plot(linhas) plt.plot(lsX, lsY) plt.show()
Tkinter - Sistema de Cadastro de Cursos, Alunos e Turmas
Exercício com números randômicos - randint
Árvore binária de busca do tipo splay
Nenhum comentário foi encontrado.
Como gerar qualquer emoji ou símbolo unicode a partir do seu teclado
Instalar e Configurar o Slackware Linux em 2025
Como configurar os repositórios do apt no Debian 12 em 2025
Passkeys: A Evolução da Autenticação Digital
Instalação de distro Linux em computadores, netbooks, etc, em rede com o Clonezilla
Configurando o Conky para iniciar corretamente no sistema
3 configurações básicas que podem melhorar muito a sua edição pelo editor nano
Como colorir os logs do terminal com ccze
Instalação Microsoft Edge no Linux Mint 22
Como configurar posicionamento e movimento de janelas no Lubuntu (Openbox) com atalhos de teclado
firefox nao guarda meus logins nos sites (1)
Instalar debian testing (13) "por cima" do debian 12 (2)
Erro de segmentação «Segmentation fault (core dumped)» ao retornar obj... (1)