Pythonische Methode zum Indexieren von Intervallen von Ganzzahlen von Teilungspunkten

Question

Ich kodiere einen Hash-Table-Ish-Indexierungsmechanismus, der eine Intervallzahl (0 bis n) einer Ganzzahl gemäß einer Menge von Teilungspunkten zurückgibt.

Wenn beispielsweise ganze Zahlen im Wert 3 (ein Teilungspunkt, so dass zwei Intervalle) aufgeteilt sind, können wir die Intervallnummer für jedes Array-Element finden einen einfachen Vergleich verwendet:

>>> import numpy as np 
>>> x = np.array(range(7)) 
>>> [int(i>3) for i in x] 
[0, 0, 0, 0, 1, 1, 1] 

Wenn es viele Intervalle können wir eine Funktion wie folgt definieren:

>>> def get_interval_id(input_value, splits):                                        
...  for i,split_point in enumerate(splits): 
...   if input_value < split_point: 
...    return i 
...  return len(splits) 
... 
>>> [get_interval_id(i, [2,4]) for i in x] 
[0, 0, 1, 1, 2, 2, 2] 

Aber diese Lösung sieht nicht elegant aus. Gibt es einen Python (besser) Weg, diesen Job zu machen?

Answer 1

aussehen Seit verwenden Sie es schon, würde ich vorschlagen, dass Sie die digitize Methode von numpy verwenden:

>>> import numpy as np 
>>> np.digitize(np.array([0, 1, 2, 3, 4, 5, 6]), [2, 4]) 
array([0, 0, 1, 1, 2, 2, 2]) 

Vom documentation:

Geben Sie die Indizes der Klassen zurück, zu denen jeder Wert im Eingabe-Array gehört.

Answer 2

Python, per se, hat für diesen Prozess keine ausführbare Funktion, Binning genannt. Wenn Sie wollten, könnten Sie Ihre Funktion in einen einzeiligen Befehl einfügen, aber auf diese Weise ist sie besser lesbar.

Allerdings haben Datenrahmenpakete normalerweise voll ausgestattete Binning-Methoden; Das bekannteste in Python ist PANDAS. Auf diese Weise können Sie Werte nach gleichen Intervallen, gleichen Unterteilungen (gleiche Anzahl an Einträgen in jedem Fach) oder benutzerdefinierten Teilungswerten (Ihr Fall) sammeln oder klassifizieren. Eine gute Diskussion und Beispiele finden Sie unter this question.

Das bedeutet natürlich, dass Sie pandas installieren und importieren und Ihre Liste in einen Datenrahmen konvertieren müssen. Wenn das zu viel Mühe ist, behalte einfach deine aktuelle Implementierung bei; es ist lesbar, geradlinig und relativ kurz.

Answer 3

Wie wäre es, den gesamten Prozess innerhalb einer Funktion statt nur der Hälfte des Prozesses zu verpacken?

>>> get_interval_ids([0 ,1, 2, 3, 4, 5 ,6], [2, 4]) 
[0, 0, 1, 1, 2, 2, 2] 

und Ihre Funktion wie

def get_interval_ids(values, splits): 

    def get_interval_id(input_value): 
     for i,split_point in enumerate(splits): 
      if input_value < split_point: 
       return i 
     return len(splits) 

    return [get_interval_id(val) for val in values]