| 29 Sep 2020 |
 David | def interpolacion_lineal(array, valor):
ant = array[(array - a) < 0][-1]
sig = array[(array - a) > 0][0]
antpos = len(array[(array - a) < 0]) - 1
return antpos + (a-ant)/(sig-ant) | 01:21:47 |
| David | Una solución sucia, lo se. | 01:21:57 |
| David | 😳 | 01:22:08 |
| David | y no muy pytonica. | 01:22:28 |
| David | Pero me divertí escribiendola | 01:22:37 |
 Alberto Devesa | In reply to Vital
import numpy as np
while scale_array[i+1] < a: i+=1 | 01:24:12 |
| Alberto Devesa | Inicializas antes i=0 | 01:24:56 |
| Alberto Devesa | Y ya tienes los índices que son i y i+1 | 01:25:29 |
 Vital | In reply to David
def interpolacion_lineal(array, valor):
Ah vale ya entiendo lo que has echo ahí (perdón que estoy lento esta noche... voy aprovechar que estoy en un decimo piso y salto). Muy listo... esto puedo adaptarlo para sacar el anterior y siguiente... | 01:31:05 |
| Vital | 🙏 gracias! | 01:31:54 |
| Vital | In reply to Alberto Devesa
while scale_array[i+1] < a: i+=1 Muchas gracias Alberto ! | 01:32:09 |
| David | Ahh pensé que querías interpolar. Pero si, esos valores ya estan en al función ocmo ant y sig. | 01:32:13 |
| David | In reply to Vital
🙏 gracias! Con gusto. 🙂 | 01:33:15 |
| Vital | In reply to David
Ahh pensé que querías interpolar. Pero si, esos valores ya estan en al función ocmo ant y sig. Ciertamente están ahi, es la busqueda dicotomica que decia el gato :) | 01:33:40 |
| David | Estoy atoradisimo en un código FEM que esta dando resultados 10**15 cuando deberían ser 10**9 y llevo horas dandole vueltas. Así que me vino fabuloso ver otro problema. 😊 | 01:35:45 |
 Ivan | showing off xD | 01:35:57 |
| Vital | FEM? | 01:36:16 |
| David | jajaj.. no, cuando tengo errores de 10**6 | 01:36:28 |
| David | Elemento Finito. =P | 01:36:40 |
| Vital | Ah vale :) | 01:36:50 |
 Jose Luis Cercos Pita | In reply to Vital
¿Que algoritmo usaría? Para obtener el resultado de que la variable "a" esta entre el indice 3 y 4 del "scale_array" (3.9 y 4.5)? Facilísimo y rápido como el viento:
np.argmin(a > scale_array) | 06:58:32 |
| Jose Luis Cercos Pita | Es un truco típico, produces una máscara de elementos donde se cumple que "a" es mayor que cada elemento, lo que daría [1, 1, 1, 1, 0, 0] | 07:00:50 |
| Jose Luis Cercos Pita | Y luego buscas la posición del primer mínimo con np.argmin. Eso te daría 4, así que "a" está entre el elemento 3 y el 4 | 07:02:00 |
 Javi Blasco | El problema lo vas a tener si, como explicó, a veces sus arrays de orden están invertidos | 07:06:04 |
| Jose Luis Cercos Pita | Venga va:
np.argmin(np.logical_xor(a > scale_array, scale_array[-1] < scale_array[0])) | 08:02:17 |
| Jose Luis Cercos Pita | Mismo perro distinto collar... Si scale_array está ordenado a la inversa, entonces la segunda comparativa es true, que al pasárselo a xor simplemente cambia los true por false y viceversa | 08:04:17 |
 Alberto | Buen jaleo para hacer una busqueda binaria jej | 08:09:08 |
 (^•-•^)/ | Da para proyecto de fin de carrera en ciencias de computación 🤣🤣🤣 | 08:54:28 |
| Javi Blasco | In reply to Jose Luis Cercos Pita
Venga va:
No olvides el caso de que el número sea más pequeño que todo el array... No es más sencillo usar el searchsorted de numpy? 😂 | 09:20:54 |
| Javi Blasco | In reply to Alberto
Buen jaleo para hacer una busqueda binaria jej Qué debe ser lo que usan numpy! | 09:21:24 |
