Python中无需罗列分箱值、不使用np.digitize的分箱实现方法

你可以根据分箱的生成规则和技术栈需求选以下两种方案：

按规则生成分箱边界，避免逐个手写 #

你给出的分箱步长是可枚举的，直接通过步长累加生成边界即可，不用把所有边界值挨个写死在代码里：

start = 4100000
# 只需要定义每两个相邻边界的差，不用写完整边界值
step_list = [55304, 55304, 110608, 221216, 442433, 342668, 342668, 76016, 126892, 126891]
bins = [start]
for step in step_list:
    bins.append(bins[-1] + step)

如果你的分箱本身是等距、等频、指数分箱这类通用规则，还可以直接用对应API生成边界，连步长都不用手动定义。

不使用np.digitize的分箱实现 #

方案1：用pandas的cut方法（适合处理批量数组） #

返回的索引和np.digitize结果完全一致：

import pandas as pd
# include_lowest=True保证左闭右开的区间逻辑和np.digitize默认逻辑对齐，加1是因为cut默认从0开始编号
bin_indices = pd.cut(bins_array, bins=bins, labels=False, include_lowest=True) + 1

方案2：纯Python实现（无numpy/pandas依赖） #

用内置bisect模块就能实现，性能也足够应对大部分场景：

import bisect
# 单个值分箱
def get_bin(x):
    return bisect.bisect_right(bins, x)
# 批量处理数组
bin_indices = [get_bin(x) for x in bins_array]

内容的提问来源于stack exchange，提问作者Preston B.