python - 将直方图箱分配给每个数据点

Question

我有一个数组days=[1,4,5,2,7,2,7,8,3,10]。我使用从此数组创建了一个直方图a,b=numpy.histogram(天,bins=5)。 a 和 b 的值为

a=[3,2,1,3,1]
b=[1., 2.8, 4.6, 6.4, 8.2, 10.]

我想要的是创建另一个与days大小相同的数组标签，但它应该告诉我days中的数据属于哪个bin。在这种情况下，输出应该是

label=[1,2,3,1,4,1,4,4,2,5]

这里的意思是总共有5个bin。 days[0]=1 属于 label[0]=1st bin days[1]=4 属于 label[1]=2nd bin 等等。我可以使用 for 循环并迭代 days 的每个元素，将它们与 bin 间隔进行比较，但我有大量数据集，表示 days 将有接近 4000 个点，并且将有 20 个 bin。因此，如果我迭代所有数据并对每个 bin 进行比较，则会有 20 次比较，从而使代码变得困惑。有没有办法减少这种困惑并使整个过程自动化

Answer 1

np.digitize可以生成标签:

In [68]: a, b = np.histogram(days,bins=5)

In [69]: np.digitize(days, bins=b)
Out[69]: array([1, 2, 3, 1, 4, 1, 4, 4, 2, 6])

请注意，您不需要先调用np.histogram；这只是为了让 np.digitize 使用与 np.histogram 生成的相同的 bin。您还可以使用以下命令生成垃圾箱:

In [71]: np.linspace(1, 10, 6)
Out[71]: array([  1. ,   2.8,   4.6,   6.4,   8.2,  10. ])

或者，更一般地说，

In [76]: np.linspace(min(days), max(days), 6)
Out[76]: array([  1. ,   2.8,   4.6,   6.4,   8.2,  10. ])

<小时/>

默认情况下，np.digitize 使用半开间隔，不包括右 bin 边缘。如果 right=True 则包含右 bin 边缘，但不包含左侧:

In [72]: np.digitize(days, bins=b, right=True)
Out[72]: array([0, 2, 3, 1, 4, 1, 4, 4, 2, 5])

要获得您发布的确切输出，您可以稍微扩展最右边的 bin 边缘:

In [80]: np.digitize(days, bins=np.linspace(1, np.nextafter(10,np.inf), 6))
Out[80]: array([1, 2, 3, 1, 4, 1, 4, 4, 2, 5])

尽管 bins=np.linspace(1, 11, 6) 也适用于此示例，但最好以尽可能小的增量增加 10，以便其他 bin 边缘的变化尽可能小尽可能。np.nextafter(10, np.inf) 返回 10 之后沿 np.inf 方向表示为 float 的下一个数字。

In [82]: np.nextafter(10,np.inf)
Out[82]: 10.000000000000002