Python 快速将数组分配给长度相等的n个存储箱

例如，我有一个数组流，其数字范围从

0.0

到

10.0

不等

我想快速地将

arr

中的数字分配给长度相等的

5

箱子

通过等长，我的意思是箱子间隔是

[0.0,2.0]，[2.0,4.0]，[4.0,6.0]，[6.0,8.0]，[8.0,10.0]

问题是最后一个间隔与其他间隔不同

测试：

结果:

5
0

bin索引应该是0、1、2、3或4，而不是5。

一个“穷人的解决方案”可以是计算数组

norm_数据

和

nbins-1

：

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

---

因此，所有

5

s（及以上）都将转换为

4

s。请注意，在这里，您当然不会进行适当的范围检查（

120.0

也将在第4箱中结束）。

如果0.1%的错误是可接受的，那么下面的检查会稍微快一点。 不确定这是否适用于浮点舍入

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())

将numpy导入为np
#我们知道并可以预先计算的事情
n_bins=5
最小值=0.0
最大值=10.0
大约=1.001#我想你可能在寻找。最小值是0。那样的话，最大值正好是10。数字化允许bin的长度不均匀，可能会更慢。这是等长。关于@jeremycg，我试着阅读pandas.cut的源代码。它似乎事先调整了最大值，就像将最大值乘以1.001。这会在装箱时产生一些小错误，但是不需要在之后进行剪裁。您的逻辑很好，只是在末尾缺少一行：
norm\u data[norm\u data>=n\u bins]=n\u bins-1
，相当于发布的解决方案。剪裁到0和n\u bins-1
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())