np.digitize函数详解

np.digitize 是 NumPy 库中的一个函数，用于将输入数组的元素归入指定的区间（bins）中。它根据输入的数组和区间边界，返回一个与输入数组形状相同的数组，其中每个元素都被赋予一个区间标签，表示该元素属于哪个区间。

np.digitize 函数的语法

numpy.digitize(x, bins, right=False)

参数说明

• x：需要分类的输入数组或列表。这个数组中的每个元素将被分配到指定的区间（bins）中。

• bins：定义区间边界的数组或列表。这个数组通常是单调递增的，但也可以是单调递减的。它定义了区间的边界值。

• right：布尔值，默认为 False。它决定区间是左开右闭 [left, right) 还是左闭右开 (left, right]：

  • 当 right=False 时，区间是左闭右开 [left, right)，即包含左端点，但不包含右端点。
  • 当 right=True 时，区间是左开右闭 (left, right]，即不包含左端点，但包含右端点。

返回值

返回一个与 x 形状相同的整数数组，其中每个元素的值表示 x 中相应元素所属的区间编号。编号从1开始。如果某个元素小于第一个区间的左端点，那么返回0；如果某个元素大于最后一个区间的右端点，那么返回 len(bins)。

示例说明

1. 简单的分类示例：

   import numpy as np
   
   x = [0.2, 6.4, 3.0, 1.6]
   bins = [0.0, 1.0, 2.5, 4.0, 6.0]
   
   indices = np.digitize(x, bins)
   print(indices)  # 输出：[1 5 3 2]
   

   • 解释：
     • 0.2 落在第一个区间 [0.0, 1.0) 中，返回1。
     • 6.4 大于最后一个区间的右端点，返回 len(bins)，即5。
     • 3.0 落在第三个区间 [2.5, 4.0) 中，返回3。
     • 1.6 落在第二个区间 [1.0, 2.5) 中，返回2。

2. 改变区间包含方式：

   indices_right = np.digitize(x, bins, right=True)
   print(indices_right)  # 输出：[1 5 3 1]
   

   • 解释：
     • 0.2 落在第一个区间 (0.0, 1.0] 中，返回1。
     • 6.4 大于最后一个区间的右端点，返回 len(bins)，即5。
     • 3.0 落在第三个区间 (2.5, 4.0] 中，返回3。
     • 1.6 落在第一个区间 (0.0, 1.0] 中，因为 right=True 时第一个区间右端点1.0是包含的，返回1。

3. 逆序区间的分类：

   x = [0.2, 6.4, 3.0, 1.6]
   bins = [6.0, 4.0, 2.5, 1.0, 0.0]
   
   indices = np.digitize(x, bins)
   print(indices)  # 输出：[4 0 2 3]
   

   • 解释：
     • 0.2 落在第四个区间 [1.0, 0.0) 中，返回4。
     • 6.4 大于第一个区间的右端点，返回0（因为大于第一个区间的右端点 6.0）。
     • 3.0 落在第二个区间 [4.0, 2.5) 中，返回2。
     • 1.6 落在第三个区间 [2.5, 1.0) 中，返回3。

总结

• np.digitize 是一个非常实用的函数，能够帮助我们将数据划分到预定义的区间中，常用于数据分组、直方图计算和分位数计算等场景。

• 关键在于 bins 的定义及 right 参数的设置，确保数据根据需求正确划分到相应的区间中。

通过这个函数，我们可以轻松地将数据分段处理，这在数据分析和可视化中非常有用。

笔者水平有限，若有不对的地方欢迎评论指正！