使用 np.digitize() 配合 right=True 参数，可对大规模 NumPy 数组实现 O(n log k) 时间复杂度的区间分类映射，远快于 Python 循环，是处理分段标签任务的首选向量化方案。
使用 `np.digitize()` 配合 `right=true` 参数，可对大规模 numpy 数组实现 o(n log k) 时间复杂度的区间分类映射，远快于 python 循环，是处理分段标签任务的首选向量化方案。
在科学计算和数据预处理中，常需将数值数组按预定义区间批量映射为类别标签（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，更会在数组规模增大时引发显著性能瓶颈。
推荐方案：np.digitize() —— 高效、简洁、完全向量化
np.digitize() 专为“数值落入哪个区间”类问题设计。其核心逻辑是：给定边界数组 bins，返回每个元素所属区间的索引（从 1 开始计数）。通过设置 right=True，可使区间变为左开右闭（即 (bins[i-1], bins[i]]），完美匹配本例需求：
import numpy as np a = np.array([2, 5, 10, 13, 7, 9]) bins = [4, 9, 15] # 表示三段边界：(-∞,4], (4,9], (9,15] result = np.digitize(a, bins, right=True) print(result) # [0 1 2 2 1 1]
✅ 为什么最快？
- 底层基于二分查找（C 实现），时间复杂度为 O(n log k)（n 为数组长度，k 为区间数）；
- 全程无 Python 解释器开销，避免循环逐元素判断；
- 内存连续访问，高度利于 CPU 缓存与 SIMD 加速。
进阶用法：自定义标签映射
若区间标签非连续整数（如 [0→'low', 1→'mid', 2→'high']），可结合数组索引完成映射：
bins = [0, 4, 9, 15] # 四个边界 → 三个区间：[0,4], (4,9], (9,15] labels = np.array(['low', 'mid', 'high']) mapped = labels[np.digitize(a, bins, right=True) - 1] print(mapped) # ['low' 'mid' 'high' 'high' 'mid' 'mid']
⚠️ 注意事项
- bins 必须严格递增；
- 若 a 中存在小于 bins[0] 的值，digitize 返回 0（对应 labels[-1] 需谨慎处理）；
- 对超大数组（如 >10⁷ 元素），digitize 仍保持线性可扩展性，而 np.select 或多层 np.where 会因重复布尔掩码生成导致内存与时间双重开销。
总结：对于区间分段映射任务，np.digitize(..., right=True) 是兼顾性能、可读性与健壮性的最优解。它规避了显式循环与冗余条件判断，在百万级数据上通常比纯 Python 方案快 100× 以上，是 NumPy 高性能实践的典型范例。
