Python 从两个数据集中及时找到数据匹配时的效率

列表中的数量A，Ta关联时间的列表

列表中的数量B，Tb关联时间的列表

a和B的大小可能非常不同，自1970年以来，Ta/Tb中的元素已转换为小数秒

---

我有一个代码，它可以很好地存储数量a至少在数量B的1小时内的索引，并增加时间间隔，如果匹配的数量不是一个具体的提示，但听起来你应该尝试一下numpy，它可能会帮助你加快速度：事实上，我已经在使用它，我正在使用netCDF4从netCDF文件中提取我的A和B，这将为您提供numpy.arrays对象，但由于它们具有不同的结构，而且我很懒，A数据的形状为N、M、1、1，B数据的形状为L，P所以我刚刚传输了列表A和B中的所有内容。numpy.array的循环速度比列表快吗？在numpy数组上循环可能比在列表上循环慢，但对于大多数操作，您不需要手动循环。我不能百分之百肯定我理解您的代码在做什么，但我认为您可以通过使用scipy.spatial函数获得相同的结果。可能：如果代码/解释不清楚，请道歉。我想比较列表A和列表B中两个相同的物理量，它们没有在列表Ta和列表Tb的同一时间进行测量，因此我选择了列表A中的测量指标，这些指标对应于列表B中在测量A后1小时内发生的测量值。但for循环用于获得时间差，然后是if语句，它检查差异是否小于一个小时，这需要很长时间，我很想知道这是否是最有效的方法，假设你按时间排序，你可以进行二进制搜索，所以你只需要搜索特定的子集。

a=0
it=1
#I want at least 50 match
while(a<50):
    differences=range(len(Ta))

    #those are the indices of the times in Ta[] which are used for comparison
    A_idx=[-1]*len(Tb)
    A_idx1=[-1]*len(Tb)

    for i in range(0,len(Tb)):
        for j in range(0,len(Ta)):
            differences[j]=fabs(Tb[i]-Ta[j])
        val,idx=min((val,idx) for (idx,val) in enumerate(differences))
        # <it means the closest Ta within it hours.
        if val/3600<it:
            A_idx[i]=idx
            A_idx1[i]=idx
    a=len(A_idx)-A_idx.count(-1)
    if a<50:
        it=it+1

#those are the indices of the times in Tb[] which are used for comparison
B_idx=[i for i in range(len(A_idx)) if A_idx[i]!=-1]

#get rid of the useless values in A_idx1
A_idx1[:]=(value for value in A_idx1 if value!=-1)