Python 使用np.where在多个数组中循环

我有两个列表：距离、边界和距离

distance_boundary = [100,200,300]
distance = [125,255,285,140,160,180]

现在我想创建一个新变量floor，我想根据距离值为floor赋值，该值由距离_边界定义

比如说,

distance[0] is 125

因为这是距离_边界[0]和距离_边界[1]之间的距离 因此，楼板的相应值应为1

distance[1] is 255

因为这是距离_边界[1]和距离_边界[2]之间的距离 因此，楼层的相应值应为2

通过这个循环应该可以得到floor的最终值

floor = [1,2,2,1,1,1]

我试着在距离中循环，并习惯于np.where来分配任务

floor = []

for j in range(0,len(distance)):

    floor = (np.where((distance[j]>distance_boundary[0]) & (distance[j]>distance_boundary[1]))
                      ,1,2)
    floor.append(floor)

这并没有给我期望的结果，而且它看起来不可扩展。

---

是否有其他更好的解决方案

使用

pandas.cut

：

import pandas as pd

distance_boundary = [100,200,300]
distance = [125,255,285,140,160,180]

[distance_boundary.index(i.right) for i in pd.cut(distance, distance_boundary)]

输出：

[1, 2, 2, 1, 1, 1]

您可以尝试以下方法：

将numpy导入为np
距离_边界=np.数组（[100200300]）
距离=np.数组（[125255285140160180]）
地板=np.类零（距离）
标志=（距离>100）和（距离<200）
楼层[旗帜]=1
标志=（距离>200）和（距离<300）
楼层[旗帜]=2
印刷品（地板）
>>>[1 2 2 1 1 1]

您可以使用迭代方法。使用

distance\u boundary

中的每个值作为阈值，对二进制阈值的结果求和：

import numpy as np

distance_boundary = np.array([100,200,300])
distance = np.array([125,255,285,140,160,180])

print(sum(np.where(distance > i, 1, 0) for i in distance_boundary))

这将打印：

[1 2 2 1 1 1]

O（N日志N）解决方案：

    from bisect import bisect_left

    def binarySearch(num, arr):
        i = bisect_left(arr, num)
        if arr[i] == num:
            return i+1
        else:
            return i


    distance_boundary = [100,200,300]
    distance = [125,255,285,140,160,180]

    floor = list()
    for num in distance:
        floor.append(binarySearch(num, distance_boundary))

    print("floor =", floor)

似乎就是你要找的：

np.searchsorted(distance_boundary, distance)
# array([1, 2, 2, 1, 1, 1])

---

如果您的边界始终是100的倍数，则可以：

代码：

输出：

---

np.where中的条件需要修改为

np.where（距离[j]>distance_边界[0]和距离[j]谢谢Paul，这就是我要寻找的。一个函数解：）它实际上是以相反的方式工作的和（np.where（压力[q//100表示距离为q]

的速度，这也适用于非10次幂的数字。

[int(str(q)[0:-2]) for q in distance]

[1, 2, 2, 1, 1, 1]