在 numpy 中舍入到最近的步骤

Question

我想知道如何将 numpy 中的数字舍入到上限或下限阈值，该阈值是预定义步长的函数。希望以更清晰的方式说明，如果我有数字 123 且步长等于 50，我需要将 123 舍入到最接近的 150 或 100，在本例中为 100。我得出了下面的函数，它可以完成这项工作但我想知道是否有更好、更简洁的方法来做到这一点。

提前致谢，

保罗

def getRoundedThresholdv1(a, MinClip):
    import numpy as np
    import math
    digits = int(math.log10(MinClip))+1
    b = np.round(a, -digits)
    if b > a:  # rounded-up
        c = b - MinClip
        UpLow = np.array((b,c))
    else:  # rounded-down
        c = b + MinClip
        UpLow = np.array((c,b))
    AbsDelta = np.abs(a - UpLow)
    return UpLow[AbsDelta.argmin()]




getRoundedThresholdv1(143, 50)

Answer 1

pb360 的解决方案要好得多，使用 python3 中内置 round 的第二个参数。

我认为你不需要

numpy

:

def getRoundedThresholdv1(a, MinClip):
    return round(float(a) / MinClip) * MinClip

这里

a

是单个数字，如果你想向量化这个函数，你只需要将

round

替换为

np.round

，将

float(a)

替换为

np.array(a, dtype=float)

Answer 2

总结：这是正确的方法，最上面的答案有不起作用的情况：

def round_step_size(quantity: Union[float, Decimal], step_size: Union[float, Decimal]) -> float:
    """Rounds a given quantity to a specific step size
    :param quantity: required
    :param step_size: required
    :return: decimal
    """
    precision: int = int(round(-math.log(step_size, 10), 0))
    return float(round(quantity, precision))

我的声誉太低，无法对 Ruggero Turra 的最佳答案发表评论并指出问题。然而，它也有不起作用的情况，例如：

def getRoundedThresholdv1(a, MinClip):
    return round(float(a) / MinClip) * MinClip

getRoundedThresholdv1(quantity=13.200000000000001, step_size=0.0001)

无论使用 numpy 还是标准库回合，都会返回 13.200000000000001。我什至通过对该功能进行压力测试都没有发现这一点。它只是在生产代码中使用它时出现并抛出错误。

注意这个答案的全部功劳来自一个开源 github 存储库，这不是我发现的这里

Answer 3

请注意，在 Ruggero Turra 中，他的答案四舍五入到最接近的偶数。含义：

round()

这可能不是你所期望的。

如果您想要“经典”舍入，您可以使用此函数，它支持标量和 Numpy 数组：

a= 0.5
round(a)

Out: 0

或者，您可以使用 Numpy 的方法

---

import Numpy as np

def getRoundedThresholdv1(a, MinClip):
    scaled = a/MinClip
    return np.where(scaled % 1 >= 0.5, np.ceil(scaled), np.floor(scaled))*MinClip

。它要求您定义步骤数组。

digitize

将会

digitize

您对下一步的价值。因此，为了以“经典”方式进行舍入，我们需要一个中间步骤。您可以使用这个：

ceil

然后你可以这样称呼它：

import Numpy as np
    
def getRoundedThresholdv1(a, MinClipBins):
    intermediate = (MinClipBins[1:] + MinClipBins[:-1])/2
    return MinClipBins[np.digitize(a, intermediate)]

这给出了：

bins = np.array([0,  50, 100, 150])
test1 = getRoundedThresholdv1(74, bins)
test2 = getRoundedThresholdv1(125, bins)