如何基于一维断点集快速确定数值所属区间？

对于任意数量的一维断点，Numpy的digitize()函数可以完美解决区间定位问题，无需嵌套if语句，代码简洁且效率高。

核心用法说明 #

numpy.digitize(x, bins, right=False)会返回每个x值在升序断点数组bins中的插入位置，这个位置直接对应所属区间的索引，再通过索引映射到自定义的区间标识即可。

• 默认right=False时，区间规则为：
  • 索引0 → x < bins[0]
  • 索引i（1≤i<len(bins)） → bins[i-1] ≤ x < bins[i]
  • 索引len(bins) → x ≥ bins[-1]
• 若需左开右闭区间，设置right=True即可，对应规则会调整为bins[i-1] < x ≤ bins[i]（首尾区间同理）。

代码示例 #

import numpy as np

# 定义断点数组（确保升序，若无序可先用np.sort()排序）
breakpoints = np.array([-1, 0, 1])
# 自定义区间标识，数量为断点数+1
interval_labels = ['A', 'B', 'C', 'D']
# 对应关系：A→x<-1, B→-1≤x<0, C→0≤x<1, D→x≥1

# 测试批量x值
test_x = np.array([-2, -0.5, 0.3, 2, -1, 1])
# 获取每个x对应的区间索引
interval_indices = np.digitize(test_x, breakpoints)
# 映射为区间标识
result = [interval_labels[idx] for idx in interval_indices]

print(result)  # 输出: ['A', 'B', 'C', 'D', 'B', 'D']

注意事项 #

1. 断点数组必须是升序排列，如果原始断点无序，先执行breakpoints = np.sort(breakpoints)处理。
2. 单个x值也适用，无需批量输入，直接传入单个数值即可得到对应索引。

内容的提问来源于stack exchange，提问作者irene