numpy.digitize#

numpy.digitize(x, bins, right=False)[源代码]#

返回输入数组中每个值所属的 bin 的索引。

right

bins 的顺序

返回的索引 i 满足

False

递增

bins[i-1] <= x < bins[i]

True

递增

bins[i-1] < x <= bins[i]

False

递减

bins[i-1] > x >= bins[i]

True

递减

bins[i-1] >= x > bins[i]

如果 x 中的值超出了 bins 的范围，则会相应地返回 0 或 len(bins)。

参数:
xarray_like

要分箱的输入数组。在 NumPy 1.10.0 之前，此数组必须是 1 维的，但现在可以具有任何形状。

binsarray_like

bins 数组。它必须是 1 维且单调的。

rightbool, optional

指示区间是否包含右边界或左边界。默认行为是 (right==False)，表示区间不包含右边界。在这种情况下，左 bin 端是开放的，即，对于单调递增的 bins，bins[i-1] <= x < bins[i] 是默认行为。

返回:
indicesndarray of ints

索引的输出数组，形状与 x 相同。

引发:
ValueError

如果 bins 不是单调的。

TypeError

如果输入类型为复数。

另请参阅

bincount, histogram, unique, searchsorted

备注

如果 x 中的值超出 bin 范围，尝试使用 digitize 返回的索引来索引 bins 将导致 IndexError。

版本 1.10.0 中新增。

numpy.digitize 是通过 numpy.searchsorted 实现的。这意味着它使用二分查找来分箱值，这比以前的线性搜索在 bin 数量较多时具有更好的可伸缩性。它还消除了对输入数组是 1 维的要求。

对于单调递增的 bins，以下是等效的

np.digitize(x, bins, right=True)
np.searchsorted(bins, x, side='left')

请注意，由于参数顺序颠倒，侧边也必须颠倒。 searchsorted 调用速度稍快，因为它不进行任何单调性检查。也许更重要的是，它支持所有 dtype。

示例

>>> import numpy as np
>>> x = np.array([0.2, 6.4, 3.0, 1.6])
>>> bins = np.array([0.0, 1.0, 2.5, 4.0, 10.0])
>>> inds = np.digitize(x, bins)
>>> inds
array([1, 4, 3, 2])
>>> for n in range(x.size):
...   print(bins[inds[n]-1], "<=", x[n], "<", bins[inds[n]])
...
0.0 <= 0.2 < 1.0
4.0 <= 6.4 < 10.0
2.5 <= 3.0 < 4.0
1.0 <= 1.6 < 2.5

>>> x = np.array([1.2, 10.0, 12.4, 15.5, 20.])
>>> bins = np.array([0, 5, 10, 15, 20])
>>> np.digitize(x,bins,right=True)
array([1, 2, 3, 4, 4])
>>> np.digitize(x,bins,right=False)
array([1, 3, 3, 4, 5])
在此页面