Python dask.array.digitize用法及代码示例

用法: dask.array.digitize(a, bins, right=False)

返回输入数组中每个值所属的 bin 的索引。

此文档字符串是从 numpy.digitize 复制的。

可能存在与 Dask 版本的一些不一致之处。

`right`	箱子的顺序	返回的索引 `i` 满足
`False`	increasing	`bins[i-1] <= x < bins[i]`
`True`	increasing	`bins[i-1] < x <= bins[i]`
`False`	decreasing	`bins[i-1] > x >= bins[i]`
`True`	decreasing	`bins[i-1] >= x > bins[i]`

如果 x 中的值超出了 bins 的范围，则酌情返回 0 或 len(bins)。

参数：

x：数组(在 Dask 中不支持): 要分箱的输入数组。在 NumPy 1.10.0 之前，这个数组必须是一维的，但现在可以有任何形状。
bins：array_like: 箱阵列。它必须是一维且单调的。
right：布尔型，可选: 指示间隔是否包括右侧或左侧 bin 边。默认行为是 (right==False)，表示区间不包括右边。在这种情况下，左 bin 端是打开的，即 bins[i-1] <= x < bins[i] 是单调递增 bins 的默认行为。

indices：整数数组: 输出索引数组，形状与 x 相同。

抛出：

ValueError: 如果bins 不是单调的。
TypeError: 如果输入的类型很复杂。

注意：

如果 x 中的值超出 bin 范围，则尝试使用 digitize 返回的索引来索引 bins 将导致 IndexError。

np.digitize 是根据 np.searchsorted 实现的。这意味着二进制搜索用于对值进行分箱，与之前的线性搜索相比，对于更大数量的分箱，它的缩放效果要好得多。它还消除了输入数组是一维的要求。

对于单调 _increasing_ bins ，以下是等价的：

np.digitize(x, bins, right=True)
np.searchsorted(bins, x, side='left')

请注意，由于参数的顺序是颠倒的，所以边也必须是颠倒的。 searchsorted 调用稍微快一些，因为它不进行任何单调性检查。也许更重要的是，它支持所有 dtypes。

例子：

>>> x = np.array([0.2, 6.4, 3.0, 1.6])  
>>> bins = np.array([0.0, 1.0, 2.5, 4.0, 10.0])  
>>> inds = np.digitize(x, bins)  
>>> inds  
array([1, 4, 3, 2])
>>> for n in range(x.size):  
...   print(bins[inds[n]-1], "<=", x[n], "<", bins[inds[n]])
...
0.0 <= 0.2 < 1.0
4.0 <= 6.4 < 10.0
2.5 <= 3.0 < 4.0
1.0 <= 1.6 < 2.5

>>> x = np.array([1.2, 10.0, 12.4, 15.5, 20.])  
>>> bins = np.array([0, 5, 10, 15, 20])  
>>> np.digitize(x,bins,right=True)  
array([1, 2, 3, 4, 4])
>>> np.digitize(x,bins,right=False)  
array([1, 3, 3, 4, 5])

相关用法

注：本文由纯净天空筛选整理自dask.org大神的英文原创作品 dask.array.digitize。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

抛出：

注意：

例子：