numpy.digitize#
- numpy.digitize(x, bins, right=False)[source]#
返回输入数组中每个值所属的 bin 的索引。
right
bin 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 的边界,则相应地返回 0 或
len(bins)
。- 参数:
- xarray_like
要进行分箱的输入数组。在 NumPy 1.10.0 之前,此数组必须是一维的,但现在可以具有任何形状。
- binsarray_like
bin 数组。它必须是一维的且单调的。
- rightbool, 可选
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,左边界是开放的,即 bins[i-1] <= x < bins[i] 是对单调递增 bin 的默认行为。
- 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。
参见
注释
如果 x 中的值位于 bin 范围之外,则尝试使用
digitize
返回的索引对 bins 进行索引将导致 IndexError。版本 1.10.0 中的新增功能。
numpy.digitize
是使用numpy.searchsorted
实现的。这意味着使用二分查找对值进行分箱,对于大量的 bin,这种方法的扩展性远好于之前的线性搜索。它还消除了输入数组必须是一维的限制。对于单调 *递增* bins,以下等效
np.digitize(x, bins, right=True) np.searchsorted(bins, x, side='left')
请注意,由于参数的顺序颠倒,因此侧边也必须颠倒。
searchsorted
调用速度稍快,因为它不执行任何单调性检查。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])