如何基于两个向量的分箱值使用Numpy高效填充排序矩阵

首先你之前初始化矩阵的代码需要修正，n个分箱边界对应n-1个有效分箱，因此矩阵的列数应为len(bins)-1而非len(bins)。
你可以通过分箱内元素序号+高级索引的方式高效完成赋值，不需要循环逐元素处理，适合大规模数组场景。

完整实现代码 #

纯Numpy版本（无额外依赖） #

import numpy as np

# 原有分箱逻辑
X = np.array([1,3,5,4,5,7,2,4,5])
V = np.array([0.5,0.7,0.29,4.4,13.3,0.9,2.2,2.7,2.5])

grid_max = X.max()
grid_min = X.min()
bin_width = int(3)
bins = np.arange(grid_min, grid_max + bin_width, bin_width)
binplace_X = np.digitize(X, bins)

# 修正矩阵初始化的列数
Sort = np.full((X.shape[0], len(bins)-1), np.nan)

# 生成每个元素在对应分箱内的行索引
sorter = np.argsort(binplace_X)
sorted_bins = binplace_X[sorter]
# 统计每个分箱的元素数量
_, bin_counts = np.unique(sorted_bins, return_counts=True)
# 生成每个分箱内的递增序号
row_in_bin = np.concatenate([np.arange(c) for c in bin_counts])
# 将序号映射回原数组的顺序
original_row_idx = np.zeros_like(binplace_X)
original_row_idx[sorter] = row_in_bin

# 列索引：将digitize返回的1-based编号转为0-based
col_idx = binplace_X - 1

# 批量赋值
Sort[original_row_idx, col_idx] = V

Pandas简化版本 #

如果你可以使用pandas，分箱内序号的生成逻辑可以大幅简化：

import pandas as pd
# 前面的分箱计算逻辑保持不变
# 直接生成分箱内的递增序号
original_row_idx = pd.Series(binplace_X).groupby(binplace_X).cumcount().values
col_idx = binplace_X - 1
Sort[original_row_idx, col_idx] = V

输出验证 #

运行后打印Sort即可得到你期望的结果：

array([[ 0.5 ,  0.29,  0.9 ],
       [ 0.7 ,  4.4 ,   nan],
       [ 2.2 , 13.3 ,   nan],
       [  nan,  2.7 ,   nan],
       [  nan,  2.5 ,   nan],
       [  nan,   nan,   nan],
       [  nan,   nan,   nan],
       [  nan,   nan,   nan],
       [  nan,   nan,   nan]])

内容的提问来源于stack exchange，提问作者ValientProcess