numpy.digitize

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

傳回輸入陣列中每個值所屬的 bin 的索引。

right	bins 的順序	傳回的索引 i 滿足
False	遞增	bins[i-1] <= x < bins[i]
True	遞增	bins[i-1] < x <= bins[i]
False	遞減	bins[i-1] > x >= bins[i]
True	遞減	bins[i-1] >= x > bins[i]

如果 x 中的值超出 bins 的範圍，則會適當地傳回 0 或 len(bins)。

參數:

xarray_like

要分 bin 的輸入陣列。在 NumPy 1.10.0 之前，此陣列必須是 1 維的，但現在可以是任何形狀。

binsarray_like

bin 的陣列。它必須是 1 維且單調的。

rightbool, optional

指示間隔是否包含右邊或左邊的 bin 邊緣。預設行為是 (right==False)，表示間隔不包含右邊邊緣。在這種情況下，左邊 bin 邊緣是開放的，即對於單調遞增的 bins，bins[i-1] <= x < bins[i] 是預設行為。

傳回值:

indicesndarray of ints

索引的輸出陣列，與 x 具有相同的形狀。

引發:

ValueError

如果 bins 不是單調的。

TypeError

如果輸入的類型是複數。

參見

bincount, histogram, unique, searchsorted

註解

如果 x 中的值超出 bin 範圍，嘗試使用 digitize 傳回的索引來索引 bins 將導致 IndexError。

在版本 1.10.0 中新增。

numpy.digitize 是根據 numpy.searchsorted 實作的。這表示使用二元搜尋來對值進行 bin 分組，對於較大數量的 bins 來說，這種方法比之前的線性搜尋更有效率。它也移除了輸入陣列必須是 1 維的要求。

對於單調遞增的 bins，以下是等效的

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

請注意，由於參數的順序已反轉，因此 side 也必須反轉。searchsorted 呼叫速度稍快，因為它不會進行任何單調性檢查。也許更重要的是，它支援所有 dtype。

範例

>>> 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])