在给定另一个值数组的情况下在 numpy 数组中查找最接近的值

Question

假设你有两个不同长度的数组，这样：

a = np.linspace(1, 10, 25)
b = np.linspace(2, 10, 12)

我有兴趣在数组

a

中查找与数组

b

中所有值差异最小的值的索引。

执行此操作的一个简单方法（有效）是执行以下操作：

def find_nearest(a, b):
    indexes = []
    for i in range (len(b)):
        idx = (np.abs(a - b[i])).argmin()
        indexes.append(idx)
    return indexes

但是，如果

a

和

b

是相当长的数组，这并不是非常高效。您认为有更好的方法来写这个吗？我对数组

a

比数组

b

长的情况感兴趣。

Answer 1

一个可能的解决方案：

np.abs(b[:, None] - a).argmin(axis=1)

输出：

array([ 3,  5,  7,  8, 10, 12, 14, 16, 18, 20, 22, 24])

Answer 2

由于您的输入值已排序，最有效的方法是使用

searchsorted

:

a = np.linspace(1, 10, 25)
b = np.linspace(2, 10, 12)

idx = np.searchsorted(a, b, side='left')

np.where(np.abs(b-a[idx]) < np.abs(b-a[idx-1]), idx, idx-1)

输出：

array([ 3,  5,  7,  8, 10, 12, 14, 16, 18, 20, 22, 24])

Answer 3

你目前的做法，效率是 O(N⋅M)，效率不是很高。

你可以尝试：

def find_nearest_vectorized(a, b):
   a = a[:, np.newaxis]
   diff = np.abs(a - b)
   indexes = np.argmin(diff, axis=0)
   return indexes