如何迭代地对numpy数组中的数值数据进行分类？答案

【问题标题】：How to categorize numerical data in numpy array iteratively?如何迭代地对numpy数组中的数值数据进行分类？
【发布时间】：2020-12-09 17:12:09
【问题描述】：

我目前正在尝试用normal = np.round(np.random.normal(loc=0.0,scale=1000,size=(size)),1).astype(int) 和seed = np.random.seed(0) 随机数据生成一个numpy 数组，然后以等距的方式对它们进行分类，例如：

d=10
data = np.ndarray.flatten(np.asarray(normal,dtype=int))

interval = np.divide(np.max(data)-np.min(data),d)
intervals = np.arange(np.min(data),np.max(data),interval,dtype=int)

        for x in range(len(data)):
            for z in range(d-1):
                if data[x] >= intervals[z] and data[x] < intervals[z+1]:
                    data[x] = z
                elif data[x] > intervals[-1]:
                    data[x] = d-1

理想情况下，当我这样做时，我希望我的数据数组中的值被 0-9 的值替换，但是每当我运行它时，我最终都会得到 4-8 的值。任何人都知道我可能做错了什么或如何改进此方法？

Interval 是要使用的增量值，Intervals 是各个间隔的实际边界值。

【问题讨论】：

标签： python arrays numpy for-loop

【解决方案1】：

当您检查正确的间隔时，您正在覆盖数据。引入一个你填充的不同数据数组，保持源数据不变：

import numpy as np
import matplotlib.pyplot as plt

size = 1000
seed = np.random.seed(0)
normal = np.round(np.random.normal(loc=0.0, scale=1000, size=(size)), 1).astype(int)

d=10
data = np.ndarray.flatten(np.asarray(normal, dtype=int))

interval = np.divide(np.max(data)-np.min(data), d)
intervals = np.arange(np.min(data), np.max(data), interval, dtype=int)

data_d = np.zeros_like(data) # added

for x in range(len(data)):
    for z in range(d-1):
        if data[x] >= intervals[z] and data[x] < intervals[z+1]: # check original data
            data_d[x] = z # fill new array so not to overwrite
        elif data[x] > intervals[-1]:
            data_d[x] = d-1
            
plt.hist(data_d)
plt.show()

产生（取所有值）：

【讨论】：