จะหนีบจำนวนเต็มกับบางช่วงได้อย่างไร?

ฉันมีรหัสต่อไปนี้:

new_index = index + offset
if new_index < 0:
    new_index = 0
if new_index >= len(mylist):
    new_index = len(mylist) - 1
return mylist[new_index]

โดยทั่วไปฉันคำนวณดัชนีใหม่และใช้สิ่งนั้นเพื่อค้นหาองค์ประกอบบางอย่างจากรายการ เพื่อให้แน่ใจว่าดัชนีอยู่ในขอบเขตของรายการฉันต้องเขียนifคำสั่ง2 คำนี้โดยกระจายเป็น 4 บรรทัด มันค่อนข้างฟุ่มเฟื่อยน่าเกลียดไปหน่อย ... ฉันบอกเลยว่ามันค่อนข้างไม่พีค

มีโซลูชันอื่นที่ง่ายและกะทัดรัดกว่านี้หรือไม่? (และpythonicอื่น ๆ)

ใช่ฉันรู้ว่าสามารถใช้ได้if elseในบรรทัดเดียว แต่อ่านไม่ออก:

new_index = 0 if new_index < 0 else len(mylist) - 1 if new_index >= len(mylist) else new_index

ฉันยังรู้ว่าฉันล่ามโซ่max()และmin()อยู่ด้วยกันได้ มันกะทัดรัดกว่า แต่ฉันรู้สึกว่ามันค่อนข้างคลุมเครือหาจุดบกพร่องได้ยากกว่าถ้าฉันพิมพ์ผิด กล่าวอีกนัยหนึ่งฉันไม่พบว่ามันตรงไปตรงมามากนัก

new_index = max(0, min(new_index, len(mylist)-1))

สวยใสจริง หลายคนเรียนรู้ได้อย่างรวดเร็ว คุณสามารถใช้ความคิดเห็นเพื่อช่วยพวกเขาได้

new_index = max(0, min(new_index, len(mylist)-1))

sorted((minval, value, maxval))[1]

ตัวอย่างเช่น:

>>> minval=3
>>> maxval=7
>>> for value in range(10):
...   print sorted((minval, value, maxval))[1]
... 
3
3
3
3
4
5
6
7
7
7

คำตอบที่น่าสนใจมากมายที่นี่เหมือนกันหมดยกเว้น ... อันไหนเร็วกว่ากัน?

import numpy
np_clip = numpy.clip
mm_clip = lambda x, l, u: max(l, min(u, x))
s_clip = lambda x, l, u: sorted((x, l, u))[1]
py_clip = lambda x, l, u: l if x < l else u if x > u else x

>>> import random
>>> rrange = random.randrange
>>> %timeit mm_clip(rrange(100), 10, 90)
1000000 loops, best of 3: 1.02 µs per loop

>>> %timeit s_clip(rrange(100), 10, 90)
1000000 loops, best of 3: 1.21 µs per loop

>>> %timeit np_clip(rrange(100), 10, 90)
100000 loops, best of 3: 6.12 µs per loop

>>> %timeit py_clip(rrange(100), 10, 90)
1000000 loops, best of 3: 783 ns per loop

paxdiabloมีแล้ว! ใช้ python ol 'ธรรมดา รุ่นที่น่าเบื่ออาจไม่น่าแปลกใจที่ช้าที่สุดในจำนวนมาก อาจเป็นเพราะกำลังมองหาอาร์เรย์โดยที่เวอร์ชันอื่น ๆ จะสั่งอาร์กิวเมนต์

ดูnumpy.clip :

index = numpy.clip(index, 0, len(my_list) - 1)

การล่ามโซ่max()และการmin()อยู่ด้วยกันเป็นสำนวนปกติที่ฉันเคยเห็น หากคุณพบว่ายากที่จะอ่านให้เขียนฟังก์ชันตัวช่วยเพื่อห่อหุ้มการทำงาน:

def clamp(minimum, x, maximum):
    return max(minimum, min(x, maximum))

เกิดอะไรขึ้นกับภาษา Python ที่ฉันรัก :-)

อย่างจริงจังเพียงแค่ทำให้เป็นฟังก์ชัน:

def addInRange(val, add, minval, maxval):
    newval = val + add
    if newval < minval: return minval
    if newval > maxval: return maxval
    return newval

จากนั้นเรียกมันด้วยสิ่งที่ชอบ:

val = addInRange(val, 7, 0, 42)

หรือวิธีแก้ปัญหาที่ง่ายกว่ายืดหยุ่นกว่าโดยที่คุณคำนวณด้วยตัวเอง:

def restrict(val, minval, maxval):
    if val < minval: return minval
    if val > maxval: return maxval
    return val

x = restrict(x+10, 0, 42)

หากคุณต้องการคุณสามารถสร้างรายการต่ำสุด / สูงสุดเพื่อให้ดู "บริสุทธิ์ทางคณิตศาสตร์" มากขึ้น:

x = restrict(val+7, [0, 42])

อันนี้ดูเหมือน pythonic มากกว่าสำหรับฉัน:

>>> def clip(val, min_, max_):
...     return min_ if val < min_ else max_ if val > max_ else val

การทดสอบเล็กน้อย:

>>> clip(5, 2, 7)
5
>>> clip(1, 2, 7)
2
>>> clip(8, 2, 7)
7

หากโค้ดของคุณดูเทอะทะเกินไปฟังก์ชันอาจช่วยได้:

def clamp(minvalue, value, maxvalue):
    return max(minvalue, min(value, maxvalue))

new_index = clamp(0, new_index, len(mylist)-1)

หลีกเลี่ยงการเขียนฟังก์ชันสำหรับงานเล็ก ๆ เช่นนี้เว้นแต่คุณจะใช้บ่อยๆเพราะจะทำให้โค้ดของคุณรก

สำหรับแต่ละค่า:

min(clamp_max, max(clamp_min, value))

สำหรับรายการค่า:

map(lambda x: min(clamp_max, max(clamp_min, x)), values)