Question

我有1-5个范围内的numpy浮点数，这些浮点数不是正态分布的。我想找到N-1个截止值，将这些值分隔为N个bin，其中每个bin具有相同数量的观察值。并非总是可以平等分配，但尽可能接近完美。它将被用于~1000次观察。

我已经使用名为discretize的请求方法创建了一个示例。垃圾箱和临界值应按顺序递增。

import numpy as np
import random

dat = np.hstack(([random.uniform(1,5) for i in range(10)], [random.uniform(4,5) for i in range(5)]))
print dat # [4.0310121   3.53599004  1.7687312   4.94552008  2.00898982  4.5596209, ...

discrete_dat, cutoffs = discretize(dat, bins=3)
print cutoffs # 2.2, 3.8
print discrete_dat # 3, 2, 1, 3, 1, 3, ...

Answer 1

好的，我只是快速攻击了这个，所以这使用np.array_split，这样对于不等大小的bin它不会barf，这会先对数据进行排序，然后执行计算以拆分并返回cutoff：< / p>

import random
import numpy as np

dat = np.arange(1,13)/2.0

def discretize(data, bins):
    split = np.array_split(np.sort(data), bins)
    cutoffs = [x[-1] for x in split]
    cutoffs = cutoffs[:-1]
    discrete = np.digitize(data, cutoffs, right=True)
    return discrete, cutoffs

discrete_dat, cutoff = discretize(dat, 3)
print "dat: {}".format(dat)
print "discrete_dat: {}".format(discrete_dat)
print "cutoff: {}".format(cutoff)

>> dat: [ 0.5  1.   1.5  2.   2.5  3.   3.5  4.   4.5  5.   5.5  6. ]
>> discrete_dat: [0 0 0 0 1 1 1 1 2 2 2 2]
>> cutoff: [2.0, 4.0]

Answer 2

pandas.qcut正是这样做的。

>>>pd.qcut(range(5), 4, labels=False)

array([0, 0, 1, 2, 3]) 3])

分散为N个类别，每个类别的观察量相等

2 个答案: