按绝对值对包含的面元边缘进行Numpy数字化

Question

对于np.digitize函数，我有一个关于零的数据分布(包括负值和正值)。对于正值，我希望bin边缘为right=False，对于负值，我希望bin边缘为right=True (即，如果我取绝对值，则下限包含在bin中)。

>>> x = np.array([-10, -4, -1.2, -0.3, 3, 4, 7])
>>> bins = np.array([-8, -4, 0, 4, 8])
>>> np.digitize(x,bins,right=????)
array([0, 1, 2, 2, 3, 4, 4])

除了条件集之外，还有没有其他方法来处理这个问题：

if x <= -8:
    return 0
elif -8 < x <= -4:
    return 1
elif -4 < x <= 0:
    return 2
elif 0 < x < 4:
    return 3
elif 4 <= x < 8:
    return 4
elif 8 <= x:
    return 5

Answer 1

您可以使用numpy.nextafter以最小可能的数量移动一些边界

>>> bins = bins.astype(x.dtype)
>>> bins = np.nextafter(bins, bins + (bins <= 0))

# apply
>>> np.digitize(x, bins)
array([0, 1, 2, 2, 3, 4, 4])
# zero also goes to the right bin
>>> np.digitize(0, bins)
array(2)

在检查时

>>> bins
array([-8.e+000, -4.e+000,  5.e-324,  4.e+000,  8.e+000])
# ndarray.__str__ rounds, but casting to list reveals
>>> bins.tolist()
[-7.999999999999999, -3.9999999999999996, 5e-324, 4.0, 8.0]

我们看到，zero被转移到一些看起来可疑的非正规化的东西上，这可能会也可能不会在某些平台上造成问题。

只是为了确保我们可以避免这个问题的另一种方式：

>>> bins = np.array([-8, -4, 0, 4, 8])
>>> bins = bins.astype(x.dtype)
>>> bins = np.nextafter(bins, np.minimum(bins, 0))
>>> np.digitize(x, bins, True)
array([0, 1, 2, 2, 3, 4, 4])
>>> np.digitize(0, bins, True)
array(2)
>>> bins.tolist()
[-8.0, -4.0, 0.0, 3.9999999999999996, 7.999999999999999]