Python dask.array.digitize用法及代碼示例

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

返回輸入數組中每個值所屬的 bin 的索引。

此文檔字符串是從 numpy.digitize 複製的。

可能存在與 Dask 版本的一些不一致之處。

`right`	箱子的順序	返回的索引 `i` 滿足
`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 的範圍，則酌情返回 0 或 len(bins)。

參數：

x：數組(在 Dask 中不支持): 要分箱的輸入數組。在 NumPy 1.10.0 之前，這個數組必須是一維的，但現在可以有任何形狀。
bins：array_like: 箱陣列。它必須是一維且單調的。
right：布爾型，可選: 指示間隔是否包括右側或左側 bin 邊。默認行為是 (right==False)，表示區間不包括右邊。在這種情況下，左 bin 端是打開的，即 bins[i-1] <= x < bins[i] 是單調遞增 bins 的默認行為。

indices：整數數組: 輸出索引數組，形狀與 x 相同。

拋出：

ValueError: 如果bins 不是單調的。
TypeError: 如果輸入的類型很複雜。

注意：

如果 x 中的值超出 bin 範圍，則嘗試使用 digitize 返回的索引來索引 bins 將導致 IndexError。

np.digitize 是根據 np.searchsorted 實現的。這意味著二進製搜索用於對值進行分箱，與之前的線性搜索相比，對於更大數量的分箱，它的縮放效果要好得多。它還消除了輸入數組是一維的要求。

對於單調 _increasing_ bins ，以下是等價的：

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

請注意，由於參數的順序是顛倒的，所以邊也必須是顛倒的。 searchsorted 調用稍微快一些，因為它不進行任何單調性檢查。也許更重要的是，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])

相關用法

注：本文由純淨天空篩選整理自dask.org大神的英文原創作品 dask.array.digitize。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

拋出：

注意：

例子：