numpy.digitize 返回的值超出范围？

Question

我使用以下代码将数组数字化为 16 个容器：

numpy.digitize(array, bins=numpy.histogram(array, bins=16)[1])

我期望输出在 [1, 16] 范围内，因为有 16 个 bin。然而，返回数组中的一个值是 17。这该如何解释呢？

Answer 1

这实际上是

numpy.digitize()

的记录行为：

返回的每个索引

i

使得

bins[i-1] <= x < bins[i]

if

bins

是单调递增的，或者

bins[i-1] > x >= bins[i]

如果

bins

是单调递减的。如果

x

中的值超出 根据需要返回

bins

、

0

或

len(bins)

的边界。

因此，在您的情况下，

0

和

17

也是有效的返回值（请注意，

numpy.histogram()

返回的bin数组的长度为

17

）。

numpy.histogram()

返回的 bin 涵盖范围

array.min()

到

array.max()

。文档中给出的条件显示

array.min()

属于第一个 bin，而

array.max()

位于最后一个 bin 之外 - 这就是为什么

0

不在输出中，而 17 则在输出中。

Answer 2

numpy.histogram()

生成 bin edges 的数组，其中有

(number of bins)+1

。

Answer 3

在 numpy 版本 1.8 中，您可以选择是否希望 numpy.digitize 考虑关闭或打开区间。 以下是一个示例（复制自 http://docs.scipy.org/doc/numpy/reference/ generated/numpy.digitize.html）

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)

数组([1,2,3,4,4])

Answer 4

好吧，我找到了一个用 numpy 离散化数组的方法。 问题是，np.histogram_bin_edges（因此，np.histogram）和np.digitize在使用bin边缘的方式上不一致：前2个总是返回一个额外的边缘，无论你在np.digitize中使用什么正确的模式，它总是留下一个“异常值”类别。 所要做的是（假设边缘按升序出现）

bin_edges=np.histogram_bin_edges(arr,bins=4) #or any other source
if bin_edges[0] <= arr.min():
 categorized_arr=np.digitize(arr,bins=bin_edges[1:],right=True)
elif bin_edges[-1] >= arr.max():
 categorized_arr=np.digitize(arr,bins=bin_edges[:-1],right=False)