Mam:

- 30,000 data points
- each data point is a measurement of type float
- each measurement is associated with a date
- each date has only one measurement
- no dates are without measurements
- the data comes in the form of a text file: 30,000 lines in this form:
    - YYYY-MM-DD I,F (e.g. 1977-02-08 20.74)
- measurement appearing in the source file are already sorted by date

Potrzebuję:

- a time-interval T with boundaries (s,e) /* start, end */
- (s - e = 14 days) the time-interval *must* be 2 weeks
- define min as the lowest value in the interval T
- define max as the greatest value in the interval T
- the chosen T needs to have the greatest distance btwn max and min of all possible Ts
- break ties among intervals T by choosing the most recent (with the greatest s value)
- the chosen T must consider all jumps in the 14 days, not just the values @ s and e
- if the overall "variance" in the interval is great but the jump 
  |max-min| is not the greatest in absolute value, T is not the right choice,
  even if it's an "exciting" interval

Pytam się:

- which algorithm to employ, considering algorithms are not my specialty
- which data structure to use to keep track of the subtotals

Uwaga:

- an answer in pseudo code would be preferred, "prose" is fine if pressured for time
- an answer in Python would be... splendid :)

Jeśli chcesz, możesz wygenerować „atrapę” danych i uruchomić proponowany algorytm jako test lub udostępnić rzeczywiste dane.

Nie interesuje mnie tak bardzo wydajność, poza chęcią poznania najszybszego sposobu, aby to zrobić, aby dowiedzieć się, jak zastosować właściwe rozwiązanie i prawidłowy algorytm.

Myślę, że mogę „udowodnić” poprawność nawet najprostszym algorytmem iteracyjnym, ponieważ zbiór danych jest niewielki, biorąc pod uwagę dzisiejsze komputery.

Do tej pory „przemierzam i przenoszę 14 wektorów 14 pomiarów”, jeśli mógłbyś nauczyć mnie, jak to robić stopniowo z sub-sumami, byłoby to naprawdę mile widziane.