基于不等式替换numpy数组中的值答案

【问题标题】：Replacing values in numpy array based on inequalities基于不等式替换numpy数组中的值
【发布时间】：2017-12-11 17:47:12
【问题描述】：

给定一个 numpy 数组，我想根据不等式替换它的值。例如，给定

x=np.array([0.3,7,8,-5.5,1,0.1])

我想将小于0的值替换为0，介于0和5之间的值将替换为1，其余的将替换为2。所以我想得到：

x=np.array([1,2,2,0,1,1])

我可以使用pandas.cut 做到这一点，如下所示：

pandas.cut(pandas.DataFrame(x).iloc[:,0],[-np.inf,0,5,np.inf],labels=[0,1,2],right=False)

但我想知道是否有更直接的方法可以使用 numpy 本身来做到这一点。请注意，我可以有超过 3 个类别，这就是为什么我要寻找更系统的东西，其行为类似于 pandas.cut。

【问题讨论】：

标签： python arrays pandas numpy

【解决方案1】：

为什么不直接使用digitize？

import numpy as np
x = np.array([0.3,7,8,-5.5,1,0.1]) 
bins = np.array([-np.inf,0,5,np.inf])
np.digitize(x, bins) - 1 # Results are 1-based index
# array([1, 2, 2, 0, 1, 1], dtype=int64)

【讨论】：

【解决方案2】：

完美设置以利用 np.searchsorted -

np.searchsorted([0,5],x)

这可以扩展以合并通用数量的 bin 元素。因此，一般来说 -

bins = [0,5]
out = np.searchsorted(bins,x)

示例运行 -

In [46]: x
Out[46]: array([ 0.3,  7. ,  8. , -5.5,  1. ,  0.1])

In [47]: np.searchsorted([0,5],x)
Out[47]: array([1, 2, 2, 0, 1, 1])

In [55]: np.searchsorted([0,2,5],x)
Out[55]: array([1, 3, 3, 0, 1, 1])

In [60]: np.searchsorted([0,2,5,7],x)
Out[60]: array([1, 3, 4, 0, 1, 1])

【讨论】：