如何在 C++ 中的数组中选择不同的数字？答案

【问题标题】：How to select an unlike number in an array in C++?如何在 C++ 中的数组中选择不同的数字？
【发布时间】：2009-07-31 00:15:55
【问题描述】：

我正在使用 C++ 为某些任务编写 ROOT 脚本。在某些时候，我有一系列双打，其中许多非常相似，而一两个不同。我想平均除那些拇指酸痛之外的所有数字。我应该如何处理它？例如，让我们考虑：

x = [2.3, 2.4, 2.11, 10.5, 1.9, 2.2, 11.2, 2.1]

我想以某种方式平均除 10.5 和 11.2 之外的所有数字，这两个数字不同。该算法将重复数千次，并且双精度数组有 2000 个条目，因此需要优化（同时保持可读性）。谢谢！

查看： http://tinypic.com/r/111p0ya/3 脉冲 y 值的“不同”数量。

此点用于确定波形的接地值。我正在将最负的值与地面进行比较，并希望获得一种更好的接地方法，而不是平均样本中的前 N 个点。

【问题讨论】：

为您的任务严格定义dissimilar。
这些数字代表什么？错误来源是什么？有关分发的任何信息。如果您可以添加这些信息，将更容易回答。
离群值是您要查找的术语。
异常值消除是他标题问题的解决方案，但不是他的实际问题。他的实际问题是背景识别之一......

标签： c++ average

【解决方案1】：

鉴于您使用的是 ROOT，您可能会考虑查看 TSpectrum 类，这些类支持从未指定数量的峰值中提取背景...

我从来没有使用过具有这么多基线噪音的它们，但它们应该很健壮。

顺便说一句：这些数据的来源是什么。峰值看起来像一个粒子探测器脉冲，但高水平的背景抖动表明您可以通过对 DAQ 硬件进行一些相当小的调整来真正改善事情，这可能比尝试解决一个困难的软件问题要好。

最后，除非你被限制在一些非常原始的硬件上（在这种情况下，你为什么以及如何运行 ROOT？），如果你只有几千个这样的光谱，你可以负担一个相当慢的算法。还是每个事件有 2000 个光谱和高事件率？

【讨论】：

我在后面的分析中使用了 TSpectrum；今天早些时候想探索它对波形的用途。好建议。信号来自滨松 PMT 和 kludge 基地。使用LabVIEW -> 输出波形到文本通过泰克示波器进行数据采集。在传输文本文件后使用 ROOT 进行分析。 ROOT 脚本创建脉冲面积和脉冲高度的历史记录。 10,000 个波形捕获（2000 个样本点）大约需要一个小时。分析只有几分钟的时间，所以我有空闲时间，我只是不耐烦。 j
是的，我知道 2.7 个波形/秒是一个缓慢的 DAQ。 =) 我的设置有很多缺陷，但它完成了工作。
不是我有经验的硬件链。仍然：如果垂直刻度以伏特为单位，则峰值非常小。您能否获得更多收益（最好使用更多 HV，但即使在范围内也可能有效）。
我正在研究脉搏谱；我需要获得小脉冲和大脉冲，因此范围设置为不排除任何一个......但是小脉冲的分辨率很糟糕。不能使用外部放大，因为它是对 PMT 的增益研究。

【解决方案2】：

如果可以，请维护一个排序列表；那么你可以在每次计算平均值时轻松地切掉列表的头部和尾部。

这很像根据中位数去除异常值（即，您需要两次遍历数据，一次查找中位数 - 这几乎与排序浮点数据一样慢，另一次计算平均值），但在以维护排序列表为代价计算平均值时需要较少的开销。哪个最快将完全取决于您的情况。当然，你真正想要的可能是中位数！

如果您有离散数据（例如，字节 = 256 个可能的值），您可以使用 256 个直方图“箱”，对您的数据进行一次遍历，计算每个箱中的值，然后很容易找到中位数/近似均值/移除异常值等。如果您可以承受失去数据中的一些精度的损失，这将是我的首选选项，然后维护一个排序列表（如果这适合您的数据）。

【讨论】：

排序不是一个坏主意，如果我对这些值进行直方图，我可以很容易地拟合高斯峰值，其平均值将是我所追求的地面值，但可能过于复杂.

【解决方案3】：

一种快速的方法可能是取中位数，然后取离中位数不远的数字的平均值。

“不远了”，依赖于您的项目。

【讨论】：

【解决方案4】：

确定可能的异常值的一个好的经验法则是计算Interquartile Range (IQR)，然后任何距离最近四分位数 1.5*IQR 的值都是异常值。

这是许多统计系统（如 R）用于自动检测异常值的基本方法。

【讨论】：

【解决方案5】：

任何具有统计意义的方法和接近它的好方法（Dark Eru，Daniel White）都将过于计算密集而无法重复，我想我已经找到了一种解决方法，可以让以后更正（意思是，离开它没有接地）。

感谢您的建议。如果我有时间，我会调查他们并想看看他们的收益是否值得放慢速度。

【讨论】：

介意告诉我们您打算使用的方法吗？

【解决方案6】：

这是我之前使用过的一种快速而肮脏的方法（如果一开始异常值很少，并且你没有非常复杂的条件来判断异常值的构成）

算法是 O(N)。唯一真正昂贵的部分是部门。

这里真正的优势是您可以在几分钟内启动并运行它。

avgX = Array[0]  // initialize array with the first point
N = length(Array)
percentDeviation = 0.3  // percent deviation acceptable for non-outliers
count = 1
foreach x in Array[1..N-1]
    if      x < avgX + avgX*percentDeviation
       and  x > avgX - avgX*percentDeviation
          count++
          sumX =+ x
          avgX = sumX / count
    endif
endfor

return avgX

【讨论】：