Python 有效地获取区间类别的右边缘

如何有效地获得正确的边？在下面的示例中，如何高效地创建

z

将熊猫作为pd导入，numpy作为np导入
bins=pd.间隔\范围（开始=0，结束=4，频率=1，关闭='left'）
x=pd系列（np.linspace（0.0,3.8，num=20））
y=局部切割（x，料仓）
#如何有效地创建z？
z=pd.系列（y.iat[n]。范围（len（y））内n的右侧）

---

谢谢你的帮助

对于性能方法，您可以使用：

对于

pd.系列

：

pd.Series(np.digitize(x, range(0,4)), index=x.index)

0     1
1     1
2     1
3     1
4     1
5     1
6     2
7     2
8     2
9     2
10    2
11    3
...

---

较大数据帧上的计时-

bins = pd.interval_range(start=0, end=400, freq=1, closed='left')
x = pd.Series(np.linspace(0.0,380,num=20_000))

%timeit pd.Series(np.digitize(x, range(0,400)))
# 567 µs ± 28.4 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

def op(x):
    y = pd.cut(x, bins)
    z = pd.Series(y.iat[n].right for n in range(len(y)))

%timeit op(x)
# 682 ms ± 49.9 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

如果两者给出相同的结果：

np.allclose(op(x), pd.Series(np.digitize(x, range(0,400))))
# True

---

因此，对于20000行的大得多的数据帧，我们得到了1200x的加速，这是没有效率的。我的真实数据大约有1000亿行。它必须是一个矢量化的操作，不涉及python级别的循环。那么pandas听起来不是你@S.V的最佳选择。也许numpy会更好。numpy获得正确边缘的方法对我来说很好：-）这对@S.V有帮助吗别忘了你可以投票并接受答案。看，谢谢！我已将您的编辑转向以下问题：

IntervalIndex

的一侧可以使用

left

和

right

方法有效地接收，但这不是这里的任务。

np.allclose(op(x), pd.Series(np.digitize(x, range(0,400))))
# True