如何将0-1500.5范围内的浮点数按宽度10高效分箱映射？

根据你给出的示例，可以明确映射逻辑为：

• 取值范围在 [k*10, (k+1)*10) 的数值，统一映射为 (k+1)*10（k为非负整数）
• 如果需要保留刚好等于10的整数倍的数值原值（比如100.0→100、0.0→0），可以加额外的边界判断

因为你处理的是固定形状的浮点数组，优先使用numpy的向量化运算，无额外循环开销，时间复杂度为O(n)，效率远高于普通Python循环。

1. Numpy实现（推荐，数组处理最优） #

基础版（完全匹配你给出的所有示例） #

import numpy as np

# 你的输入数组，形状为(1000, 1)
input_arr = np.array([1.1, 505.3, 0.1, 210.1, 100.0, 0.0]).reshape(-1, 1)
# 核心映射逻辑
result = (input_arr // 10 + 1) * 10

运行结果完全匹配示例：
[[ 10.] [510.] [ 10.] [220.] [110.] [ 10.]]

兼容10整倍数原值的版本 #

如果需要100.0映射为100、0.0映射为0，调整代码如下：

result = np.where(input_arr % 10 == 0, input_arr, (input_arr // 10 + 1) * 10)

运行结果：
[[ 10.] [510.] [ 10.] [220.] [100.] [ 0.]]

2. 纯Python实现（无第三方依赖场景） #

如果不需要处理大规模数组、不想引入numpy，可以用列表推导式实现：

# 输入列表，形状(1000,1)
input_list = [[1.1], [505.3], [0.1], [210.1], [100.0], [0.0]]
# 基础版
result = [[(x[0] // 10 + 1) * 10] for x in input_list]
# 兼容10整倍数原值的版本
result = [[x[0] if x[0] % 10 == 0 else (x[0] //10 +1)*10] for x in input_list]

内容的提问来源于stack exchange，提问作者dan