python - 快速将一个数组分配给 n 个长度相等的 bin

Question

例如，我有一个数组流，其数字范围从0.0到10.0包含。

我想快速将数字分配arr到5等长的箱子中。

等长我的意思是 bin 间隔是[0.0, 2.0), [2.0, 4.0), [4.0, 6.0), [6.0, 8.0), [8.0, 10.0].

问题是最后一个间隔与其他间隔不同。

测试：

import numpy as np
# Things we know and can pre-calculate
n_bins = 5
minimal = 0.0  
maximal = 10.0
reciprocal_bin_length = n_bins / (maximal - minimal)

# Let's say the stream gives 1001 numbers every time.
data = np.arange(1001)/100

norm_data = (data - minimal) * reciprocal_bin_length
norm_data = norm_data.astype(int)
print(norm_data.max())
print(norm_data.min())

结果：

5
0

bin 索引应为 0、1、2、3 或 4，但不能为 5。

Answer 1

“穷人的解决方案”可能是计算您的数组和之间的最小值：norm_datanbins-1

norm_data = np.minimum(norm_data,nbins-1)

所以所有5的s（及以上）都将转换为4s。请注意，当然在这里您不会进行适当的范围检查（120.0也将在 bin 4 中结束）。

Answer 2

如果 0.1% 的误差是可以接受的，那么下面会快一点。不确定这是否适用于浮点舍入。

import numpy as np
# Things we know and can pre-calculate
n_bins = 5
minimal = 0.0  
maximal = 10.0
approx = 1.001  # <-- this is new
reciprocal_bin_length = n_bins / (maximal*approx - minimal)

# Let's say the stream gives 1001 numbers every time.
data = np.arange(1001)/100

# can use numexpr for speed.
norm_data = (data - minimal) * reciprocal_bin_length
norm_data = norm_data.astype(int)
print(norm_data.max())
print(norm_data.min())