使用 np.digitize 对数组进行向量化分段编码，无需 python 循环，可在毫秒级完成百万级元素的区间归类，是处理连续整数区间映射的最优解。
使用 np.digitize 对数组进行向量化分段编码，无需 python 循环，可在毫秒级完成百万级元素的区间归类，是处理连续整数区间映射的最优解。
在科学计算和数据预处理中，常需将一维数值数组按预设区间划分为离散类别（如：1–4→0，5–9→1，10–15→2）。若采用 Python 原生 for 循环或 np.where 多层嵌套判断，不仅代码冗长，更会因解释器开销导致性能急剧下降——尤其当数组规模达 10⁵ 以上时，耗时可能增加 10–100 倍。
推荐方案：np.digitize 向量化分箱
np.digitize 是 NumPy 内置的高效分箱函数，底层由 C 实现，专为「将数值映射到有序区间索引」而优化。其核心逻辑等价于：对每个元素 x，返回满足 bins[i-1]
针对题设条件（1~4→0, 5~9→1, 10~15→2），关键在于正确构造 bins 边界数组：
import numpy as np arr = np.array([2, 5, 10, 13, 7, 9]) # bins 定义右闭区间的分界点：[4, 9, 15] # digitize 返回：0 表示 ≤4，1 表示 >4 & ≤9，2 表示 >9 & ≤15 result = np.digitize(arr, bins=[4, 9, 15], right=True) print(result) # [0 1 2 2 1 1]
✅ 为什么最快？
- 全向量化：无 Python 循环，无布尔掩码重复广播；
- 时间复杂度 O(n log k)，k 为区间数（此处 k=3，实际为 O(n)）；
- 内存连续访问，CPU 缓存友好；
- 比 np.searchsorted 更直观（后者需手动调整索引偏移）。
进阶用法：自定义标签与非零起始区间
若区间从非 1 开始（如 0~4, 5~9, 10~15），或需映射至任意标签（如字符串、负数），可组合 bins 起始边界与标签数组：
arr = np.array([2, 5, 10, 13, 7, 9]) bins = [0, 4, 9, 15] # 左闭右闭：[0,4], (4,9], (9,15] labels = np.array(['low', 'mid', 'high']) # digitize 返回 1/2/3 → 减1得 0/1/2 索引 mapped = labels[np.digitize(arr, bins, right=True) - 1] print(mapped) # ['low' 'mid' 'high' 'high' 'mid' 'mid']
⚠️ 注意事项
- bins 必须严格升序，否则行为未定义；
- 若 arr 中存在超出 bins 范围的值（如 bins[-1]），digitize 分别返回 0 或 len(bins)，需额外处理（如 np.clip 或 np.where 过滤）；
- 对浮点数同样适用，但需注意精度问题（建议配合 np.nextafter 设置容差）；
- 不适用于非连续、重叠或动态区间——此时应考虑 pd.cut（Pandas）或自定义 numba.jit 加速函数。
综上，np.digitize 是处理静态、有序、左/右闭合区间映射的黄金标准：简洁、健壮、极速。在真实场景中，它常比 np.where 链快 5–20 倍，比纯 Python 循环快 3–4 个数量级。
