Python 在字典中查找最接近的值

我有一个字典，

T

，其键的形式为

k，I

，其关联值为实数（float）。让我们假设我从字典

T

中选择一个特定的键

a，b

，对应值

V1

——对于形式为

a+1，I

，其中

I

是0到n的整数的键，找到与

V1

最接近的值的最有效方法是什么？（

k

、

a

和

b

也是整数。）要在

T

中的项目值上添加一个条件，当

i

在键中增加时，与

T[a+1，i]

相关的值严格增加（即

T[a+1，i+1]>T[a+1，i]

）

---

我计划简单地运行一个while循环，从

I=0

开始，并将值

T[a+1，I]

与

V1

进行比较。更清楚地说，循环将简单地停止在

np.abs（T[a+1，i]-V1）

的点，因为我知道与

T[a+1，i]

关联的项最接近

T[a，b]=V1

。但是考虑到我所施加的严格递增条件，有没有比运行while循环迭代字典元素更有效的方法呢

i

将从0变为n，其中n可以是数百万的整数。而且，这个过程会经常重复，所以效率是关键

由于给定的

a

的值随着连续的

i

值严格增加，因此可以对最接近目标的值进行二进制搜索

---

虽然可以在字典上编写自己的二进制搜索代码，但我怀疑使用不同的数据结构会更容易。如果使用嵌套列表（使用

a

作为外部列表的索引，使用

i

作为内部列表的索引），则可以使用

bisect

模块高效地搜索内部列表。

我建议使用bisect模块

import numpy as np

target_value = 0.9 
dict = {(1, 2): 0, (4, 3): 1}

k = list(dict.keys())
v = np.array(list(dict.values()))
dist = abs(v - target_value)
arg = np.argmin(dist)
answer = k[arg]

print(answer)

import bisect
import numpy as np


t = np.array([[1.1, 2.0, 3.7],
              [3.5, 5.6, 7.8],
              [2.5, 3.4, 10.0]])


def find_closest(t, a, i):
    """
    >>> find_closest(t, 0, 2)
    (1, 0)
    """
    v = t[a, i]
    b_index = bisect.bisect_right(t[a + 1], v)
    try:
        if t[a + 1][b_index] - v > t[a + 1][b_index - 1] - v:
            b_index -= 1
    except IndexError:
        pass
    return a + 1, b_index

---

形式为k，i的键是否意味着字典是一种二维数组？@Jeon是的，它类似于二维数组（例如，随着i的增加，时间会增加）。选择字典以允许不均匀的间距。虽然其中一个（小）问题是要弄清楚事情是如何简单地根据键来安排的。@moinuddinkadri这不是一个作业。。。这是一个非均匀网格的个人项目。我想找到一个计算空间导数的好方法。我试图找到最接近当前点的值（例如，

V1

）来计算数值微分。我还没有实现一个特定的方法，因为它将被添加到另一个代码中以解决一组PDE。虽然在更改代码之前（如果我知道更好的方法，最后只会再次更改代码），我想我会提前询问是否存在我根本不知道的更有效的技术。在代码中使用字典是出于其他目的的约束，因此很遗憾，另一种数据结构不是一种选择。我将研究现有的二进制搜索代码。谢谢你的建议。我确实找到了一些代码，比如

idx1=np.array（T.keys（））

vals1=np.array（T.values（））

dims1=idx1.max（0）+1

out1=np.zeros（dims1，dtype=vals1.dtype）

out1[idx1[：，0]，idx1[：，1]=vals1

，这可能会有所帮助，但是，每次将dict转换为数组可能会更加低效，因为dict又一次是不均匀的，并且是不断更新的。谢谢您的建议。正如我在上面对另一个答案所评论的那样，为我想做的每一个实例创建一个数组将是低效的，因为使用dict的全部原因是网格是不均匀的，并且不断更新。因此，这里制作的数组必须在我进行比较的每一个实例中进行（也可能是数百万），因为dict将被更新，我怀疑这将是非常低效的。尽管我会尝试和比较。包括numpy完全是过火了