Question

我想要一个可以接受一系列和一组箱子的功能，并且基本上会向上舍入到最近的箱子。例如：

np.digitize(my_series, bins= [1,2,3], right=False)
> [1, 1*, 2, 2*, 2*, 3]

这似乎非常接近Numpy's Digitize的意图，但它会产生错误的值（错误值的星号）：

np.digitize(my_series, bins= [3,2,1], right=True)
> [3, 2, 2, 1, 1, 1]

从文档中可以清楚地看出错误的原因：

我返回的每个索引都是 bins [i-1]＆lt; = x＆lt;箱子[i] 如果箱子是单调增加，或 bins [i-1]＆gt; x> = bins [i] 如果是bins 单调递减。如果x中的值超出范围根据需要返回bins，0或len（bin）。如果对是真，然后关闭右边的bin，使得索引i是这样的箱[i-1]＆lt; x＆lt; = bins [i]或bins [i-1]＆gt; = x＆gt;箱子[i]``如果箱子是单调增加或减少。

如果我输入值减少并将“正确”设置为True，我可以更接近我想要的东西......

table

然后我将不得不考虑一种基本上有条理地逆转具有最高编号（3）的最低编号（1）的方法。当只有3个垃圾箱时很简单，但当垃圾箱的数量变长时会变得更加毛茸茸......必须有更优雅的方式来做这一切。

Answer 1

我相信np.searchsorted会做你想做的事：

将索引查找到已排序的数组a中，如果相应的话 v中的元素在索引之前插入，即a的顺序被保留。

In [1]: my_series = [1, 1.5, 2, 2.3, 2.6, 3]

In [2]: bins = [1,2,3]

In [3]: import numpy as np

In [4]: [bins[k] for k in np.searchsorted(bins, my_series)]
Out[4]: [1, 2, 2, 3, 3, 3]

（从numpy 1.10.0开始，digitize以searchsorted实现。）

Answer 2

另一种方式是：

In [25]: def find_nearest(array,value):
    ...:     idx = (np.abs(array-np.ceil(value))).argmin()
    ...:     return array[idx]
    ...: 

In [26]: my_series = np.array([ 1, 1.5, 2, 2.3,  2.6,  3])

In [27]: bins = [1, 2, 3]

In [28]: [find_nearest(bins, x) for x in my_series]
Out[28]: [1, 2, 2, 3, 3, 3]

Answer 3

我们可以简单地使用np.digitize将right选项设置为True来获取索引，然后从bins中提取相应的元素，引入{{1}像这样 -

np.take

Python：通过四舍五入将列表中的＃值分配给bin

3 个答案: