查找一个数组相对于另一个数组中的所有值的最近索引 - Python / NumPy

问题描述：

我有一个复数列表，我想在另一个复数列表中找到最接近的值。

我目前使用numpy的方法：

import numpy as np

refArray = np.random.random(16);
myArray = np.random.random(1000);


def find_nearest(array, value):
    idx = (np.abs(array-value)).argmin()
    return idx;

for value in np.nditer(myArray):
    index = find_nearest(refArray, value);
    print(index);

不幸的是，对于大量的值，这需要很长时间。有没有更快或更“pythonian”的方法将 myArray 中的每个值与 refArray 中最接近的值进行匹配？

仅供参考：我的脚本中不一定需要 numpy。

重要提示： myArray 和 refArray 的顺序都很重要，不应更改。如果要应用排序，则应以某种方式保留原始索引。

解决方案 1：

np.searchsorted以下是基于以下方法的矢量化方法this post-

def closest_argmin(A, B):
    L = B.size
    sidx_B = B.argsort()
    sorted_B = B[sidx_B]
    sorted_idx = np.searchsorted(sorted_B, A)
    sorted_idx[sorted_idx==L] = L-1
    mask = (sorted_idx > 0) & \n    ((np.abs(A - sorted_B[sorted_idx-1]) < np.abs(A - sorted_B[sorted_idx])) )
    return sidx_B[sorted_idx-mask]

简要说明：

• 获取左侧位置的排序索引。我们使用 -np.searchsorted(arr1, arr2, side='left')或 来执行此操作np.searchsorted(arr1, arr2)。现在，searchsorted需要将排序后的数组作为第一个输入，因此我们需要在那里进行一些准备工作。

• 将左侧位置的值与紧邻右侧位置的值进行比较(left + 1)，看看哪一个最接近。我们在计算 的步骤中执行此操作mask。

• 根据左侧的还是其右侧的最近，选择相应的。这是通过减去索引来完成的，其中mask值作为要转换为的偏移量ints。

基准测试

原始方法 -

def org_app(myArray, refArray):
    out1 = np.empty(myArray.size, dtype=int)
    for i, value in enumerate(myArray):
        # find_nearest from posted question
        index = find_nearest(refArray, value)
        out1[i] = index
    return out1

计时和验证 -

In [188]: refArray = np.random.random(16)
     ...: myArray = np.random.random(1000)
     ...: 

In [189]: %timeit org_app(myArray, refArray)
100 loops, best of 3: 1.95 ms per loop

In [190]: %timeit closest_argmin(myArray, refArray)
10000 loops, best of 3: 36.6 µs per loop

In [191]: np.allclose(closest_argmin(myArray, refArray), org_app(myArray, refArray))
Out[191]: True

50x+加速发布的样本，并希望更大的数据集能有更大的加速！

解决方案 2：

答案比@Divakar 的答案短得多，也使用广播，甚至更快一些：

abs(myArray[:, None] - refArray[None, :]).argmin(axis=-1)