圆形浮动值到间隔限制/网格

如果 intervals 已排序,可以使用 np.searchsorted :

np.array(intervals)[np.searchsorted(intervals, sample)]
# array([ 30.,  18.,  18.,  15.,  30.,  10.,  inf,  18.,  25.,  21.])

searchsorted 返回元素所属间隔的索引:

np.searchsorted(intervals, sample)
# array([7, 4, 4, 3, 7, 1, 8, 4, 6, 5])

默认值 side='left' 返回此类间隔的最小索引,结果将落在 左开右关 脚本。

你可以用熊猫 cut() :

import pandas as pd

pd.cut(sample, intervals, labels=intervals[1:]).tolist()

另一个选择是:

np.array(intervals)[(sample[:,None] > intervals).sum(axis=1)]
#array([30., 18., 18., 15., 30., 10., inf, 18., 25., 21.])

本质上,我们构建了一个检查样本是否大于间隔的掩码(假设它已经按照您的示例进行了排序)。然后,我们沿着第一个轴求和,这将为该值大于的每个间隔加上1。

合成和是 intervals 数组。

使用列表理解的非麻木解决方案(显然包括 for 回路,但发电机应相对高效):

new_sample = [next(i for i in intervals if i>s) for s in sample]
#[30, 18, 18, 15, 30, 10, inf, 18, 25, 21]

没有运行检查,但:

 from bisect import bisect

 for index, value in enumerate(sample):
     sample[index] = intervals[ bisect( intervals, value)]

如果 values 是一个有你的值的1d数组,你可以做

diff = values < intervals[:, None]
t = np.argmax(diff, axis=0)
new_values = intervals[t]