快速将一个数组分配给 n 个长度相等的 bin答案

【问题标题】：Quickly assign an array to n bins with equal length快速将一个数组分配给 n 个长度相等的 bin
【发布时间】：2017-07-21 15:12:52
【问题描述】：

例如，我有一个数组流，其数字范围从 0.0 到 10.0（含）。

我想快速将arr 中的数字分配给5 等长的箱子。

等长是指 bin 间隔为 [0.0, 2.0), [2.0, 4.0), [4.0, 6.0), [6.0, 8.0), [8.0, 10.0]。

问题是最后一个区间与其他区间不同。

测试：

import numpy as np
# Things we know and can pre-calculate
n_bins = 5
minimal = 0.0  
maximal = 10.0
reciprocal_bin_length = n_bins / (maximal - minimal)

# Let's say the stream gives 1001 numbers every time.
data = np.arange(1001)/100

norm_data = (data - minimal) * reciprocal_bin_length
norm_data = norm_data.astype(int)
print(norm_data.max())
print(norm_data.min())

结果：

5
0

bin 索引应该是 0、1、2、3 或 4，而不是 5。

【问题讨论】：

我想你可能正在寻找numpy.digitize。
min 是 0。max 正好是 10。 digitize 允许长度不均匀的 bin，可能会更慢。这是相等的长度。
pandas.cut怎么样
@jeremycg 我试图阅读 pandas.cut 的源代码。它似乎事先调整了最大值，比如将最大值乘以 1.001。这会在分箱中产生一些小错误，但之后不需要剪辑。
你的逻辑没问题，只是最后少了一行：norm_data[norm_data >= n_bins] = n_bins -1，相当于贴出来的解决方案。

标签： python numpy binning discretization

【解决方案1】：

“穷人的解决方案”可能是计算数组norm_data 和nbins-1 之间的minimum：

norm_data = np.minimum(norm_data,nbins-1)

所以所有5s（及以上）都将转换为4s。请注意，当然在这里您不会进行适当的范围检查（120.0 也将在 bin 4 中结束）。

【讨论】：

【解决方案2】：

如果 0.1% 的误差是可以接受的，下面的会快一点。不确定浮点舍入是否可以。

import numpy as np
# Things we know and can pre-calculate
n_bins = 5
minimal = 0.0  
maximal = 10.0
approx = 1.001  # <-- this is new
reciprocal_bin_length = n_bins / (maximal*approx - minimal)

# Let's say the stream gives 1001 numbers every time.
data = np.arange(1001)/100

# can use numexpr for speed.
norm_data = (data - minimal) * reciprocal_bin_length
norm_data = norm_data.astype(int)
print(norm_data.max())
print(norm_data.min())

【讨论】：

剪辑到 0 和 n_bins - 1