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界限，返回一个与输入数组形状类似的数组，此中每个元素都被赋予一个区间标签，表现该元素属于哪个区间。
np.digitize 函数的语法
- numpy.digitize(x, bins, right=False)
- x：必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：界说区间界限的数组或列表。这个数组通常是单调递增的，但也可以是单调递减的。它界说了区间的界限值。
- 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)，即包罗左端点，但不包罗右端点。
- 当 right=True 时，区间是左开右闭 (left, right]，即不包罗左端点，但包罗右端点。
返回值
返回一个与 x 形状类似的整数数组，此中每个元素的值表现 x 中相应元素所属的区间编号。编号从1开始。假如某个元素小于第一个区间的左端点，那么返回0；假如某个元素大于末了一个区间的右端点，那么返回 len(bins)。
示例说明
- 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 大于末了一个区间的右端点，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。
- 改变区间包罗方式：
- 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 大于末了一个区间的右端点，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，由于 right=True 时第一个区间右端点1.0是包罗的，返回1。
- 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（由于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，可以大概帮助我们将数据划分到预界说的区间中，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 的界说及 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。
笔者程度有限，如有不对的地方接待品评指正！
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。 |
