如何用Python将有序的一维数据粗化为不规则的容器

我有一个有序1D数据集的高频集，该数据集与深度相关属性的观测值有关，由连续浮点值观测值与单调增加的深度组成

我想找到一种方法，将这些数据集粗化为用户定义数量的连续箱（或区域），每个箱（或区域）由单个平均值和较低的深度限制（顶部深度限制由其上方区域的末端定义）来描述。分割区域的标准应为k-均值，即（在规定区域数量的范围内），每个区域内的财产差异最小，相邻区域之间的差异最大

例如，如果我有一个小的高频数据集，如下所示

depth = [2920.530612, 2920.653061, 2920.734694, 2920.857143, 2920.938776, 2921.102041, 2921.22449, 2921.346939, 2921.469388, 2921.510204, 2921.55, 2921.632653, 2921.795918, 2922, 2922.081633, 2922.122449, 2922.244898, 2922.326531, 2922.489796, 2922.612245, 2922.857143, 2922.979592, 2923.020408, 2923.142857, 2923.265306]
value = [0.0098299, 0.009827939, 0.009826632, 1004.042327, 3696.000306, 3943.831644, 3038.254723, 3693.543377, 3692.806616, 50.04989348, 15.0127, 2665.2111, 3690.842641, 3238.749497, 429.4979635, 18.81228993, 1800.889643, 2662.199897, 3454.082382, 3934.140146, 3030.184014, 0.556587319, 8.593768956, 11.90163067, 26.01012696]

我要求将其分成7个区域，它将返回如下内容：

depth_7zone =[2920.530612, 2920.857143, 2920.857143, 2921.510204, 2921.510204, 2921.632653, 2921.632653, 2922.081633, 2922.081633, 2922.244898, 2922.244898, 2922.979592, 2922.979592, 2923.265306]
value_7zone = [0.009828157, 0.009828157, 3178.079832, 3178.079832, 32.53129674, 32.53129674, 3198.267746, 3198.267746, 224.1551267, 224.1551267, 2976.299216, 2976.299216, 11.76552848, 11.76552848]

可可视化为（蓝色=原始数据，红色=分为7个区域的数据）

我尝试过标准的k-means聚类，但它似乎不适合这个有序的1D问题。我在考虑可能用于数字信号处理的方法，但我能找到的所有方法都是离散化为恒定的存储单元大小，甚至用于图像压缩，但这可能有些过分，可能需要2D数据

有人能提出进一步探索的途径吗？（我是Python的新手，因此提前道歉）

%matplotlib inline
import matplotlib.pyplot as plt
import seaborn as sns; sns.set()

plt.plot(value, depth, '-o')
plt.plot(value_7zone, depth_7zone, '-', color='red')
plt.gca().invert_yaxis()
plt.xlabel('Values')
plt.ylabel('Depth')
plt.show()