如何用Python高效获取scipy.stats.binned_statistic_2d的分箱编号？

你不需要嵌套循环，stats.binned_statistic_2d返回的binnumbers已经包含了每个样本对应的二维箱号，直接用NumPy的向量化函数就能快速生成唯一的一维分箱编号：

实现步骤 #

1. 利用返回的binnumbers（形状为(N, 2)，每一行对应纬度、经度的箱编号），通过numpy.ravel_multi_index将二维箱号转换为唯一的一维编号。这个函数会根据x、y方向的箱总数，把二维索引映射成连续的一维整数，完全向量化，速度极快。
2. 将生成的一维编号直接赋值给DataFrame的新列。

完整代码示例 #

import numpy as np
from scipy import stats

# 假设你的df和bins已经定义好
df = df[['unique_id','Latitude','Longitude']]

# 执行二维分箱
stats_result, yedges, xedges, binnumbers = stats.binned_statistic_2d(
    df['Latitude'].values,
    df['Longitude'].values,
    values=df['unique_id'].values,
    bins=bins,
    statistic='count'
)

# 计算x、y方向的箱数量（edges的长度是箱数+1，所以要减1）
num_y_bins = len(yedges) - 1
num_x_bins = len(xedges) - 1

# 将二维箱号转换为唯一的一维分箱编号
df['binnumber'] = np.ravel_multi_index(
    (binnumbers[:, 0] - 1, binnumbers[:, 1] - 1),  # 箱号是1-based，转成0-based索引
    (num_y_bins, num_x_bins)
)

说明 #

• binnumbers返回的箱号是1-based计数（从1开始），而ravel_multi_index需要0-based索引，所以要减1适配。
• 这种方法完全基于NumPy的向量化操作，避免了Python层面的循环，处理大规模数据时效率远高于嵌套循环。
• 最终df会新增binnumber列，每个值对应该行样本所属的唯一分箱编号。

内容的提问来源于stack exchange，提问作者jrange27