numpy.digitize
numpy.digitize(x, bins, right=False) [source]
返回输入数组中每个值所属的容器的索引。
如果x中的值超出了bins的边界，则适当地返回0或len(bins)。
参数 ： | x ：array_like 要合并的输入数组。在NumPy 1.10.0之前， 此数组必须是一维的，但现在可以具有任何形状。 bins ：array_like bins数组。它必须是一维且单调的。 right ：bool, 可选 指示间隔是包括右边还是左边的边沿。 默认行为是（ 在这种情况下，左边的bin端是开放的， 即 |
返回值 ： | indices ：ndarray of ints 输出与x形状相同的索引数组。 |
Raises ： | ValueError 如果bins不是单调的。 TypeError 输入的类型是否复杂。 |
Notes
如果x中的值超出了bin范围，则尝试使用数字化返回的索引对bin进行索引将导致IndexError。
1.10.0版中的新功能。
np.digitize是根据np.searchsorted实现的。这意味着使用二进制搜索对值进行bin，与之前的线性搜索相比，对于更大数量的bins，缩放比例要好得多。它还消除了对输入数组为一维的要求。
对于单调_increasing_ bins，以下内容等效：
np.digitize(x, bins, right=True)
np.searchsorted(bins, x, side='left')请注意，随着参数顺序的颠倒，侧面也必须相同。searchsorted调用稍快一些，因为它不执行任何单调性检查。也许更重要的是，它支持所有dtype。
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])