Python Numpy按绝对值数字化包含的bin边

对于np.digitalize函数，我有一个关于零的数据分布，包括负值和正值。对于正值，我希望bin边缘为right=False；对于负值，我希望bin边缘为right=True，即如果我取绝对值，则下限包含在bin中

>>> x = np.array([-10, -4, -1.2, -0.3, 3, 4, 7])
>>> bins = np.array([-8, -4, 0, 4, 8])
>>> np.digitize(x,bins,right=????)
array([0, 1, 2, 2, 3, 4, 4])

除条件集外，是否有其他方法处理此问题：

if x <= -8:
    return 0
elif -8 < x <= -4:
    return 1
elif -4 < x <= 0:
    return 2
elif 0 < x < 4:
    return 3
elif 4 <= x < 8:
    return 4
elif 8 <= x:
    return 5

---

可以使用numpy.nextafter将某些边界移动尽可能小的量：

我们看到，零被转移到一些看起来可疑的非规范化的东西，这可能会或可能不会在某些平台上造成问题

只是为了确保我们可以避免这个问题朝着另一个方向发展：

>>> bins = np.array([-8, -4, 0, 4, 8])
>>> bins = bins.astype(x.dtype)
>>> bins = np.nextafter(bins, np.minimum(bins, 0))
>>> np.digitize(x, bins, True)
array([0, 1, 2, 2, 3, 4, 4])
>>> np.digitize(0, bins, True)
array(2)
>>> bins.tolist()
[-8.0, -4.0, 0.0, 3.9999999999999996, 7.999999999999999]

>>> bins
array([-8.e+000, -4.e+000,  5.e-324,  4.e+000,  8.e+000])
# ndarray.__str__ rounds, but casting to list reveals
>>> bins.tolist()
[-7.999999999999999, -3.9999999999999996, 5e-324, 4.0, 8.0]

>>> bins = np.array([-8, -4, 0, 4, 8])
>>> bins = bins.astype(x.dtype)
>>> bins = np.nextafter(bins, np.minimum(bins, 0))
>>> np.digitize(x, bins, True)
array([0, 1, 2, 2, 3, 4, 4])
>>> np.digitize(0, bins, True)
array(2)
>>> bins.tolist()
[-8.0, -4.0, 0.0, 3.9999999999999996, 7.999999999999999]