如果我有多个最小的数字并且想要两个索引，那么如何在python中找到数组中最小数字的索引？

我有一个数组，我想在其中找到最小元素的索引。我尝试过以下方法：

distance = [2,3,2,5,4,7,6]

a = distance.index(min(distance))

---

这将返回0，这是第一个最小距离的索引。但是，我希望找到所有这样的实例，0和2。在Python中如何实现这一点？

使用np.where获取与给定值匹配的所有索引：

import numpy as np

distance = np.array([2,3,2,5,4,7,6])

np.where(distance == np.min(distance))[0]

Out[1]: array([0, 2])

随着阵列大小的增长，Numpy的性能优于其他方法：

TimeIt比较测试的结果，改编自以下代码

---

使用np.where获取与给定值匹配的所有索引：

import numpy as np

distance = np.array([2,3,2,5,4,7,6])

np.where(distance == np.min(distance))[0]

Out[1]: array([0, 2])

随着阵列大小的增长，Numpy的性能优于其他方法：

TimeIt比较测试的结果，改编自以下代码

---

如果条件成立，则可以枚举数组元素并提取其索引：

min_value = min(distance)
[i for i,n in enumerate(distance) if n==min_value]
#[0,2]

---

如果条件成立，则可以枚举数组元素并提取其索引：

min_value = min(distance)
[i for i,n in enumerate(distance) if n==min_value]
#[0,2]

---

您还可以执行下列操作：

---

您还可以执行下列操作：

---

我们可以使用一个临时dict来存储列表的索引，然后只从列表中获取距离的最小值。我们还将在这里使用一个简单的for循环，以便您能够一步一步地理解正在发生的事情

from collections import defaultdict

d = defaultdict(list) # a dictionary where every value is a list by default

for idx, num in enumerate(distance):
    d[num].append(idx) # for each number append the value of the index

d.get(min(distance)) # fetch the indices of the min number from our dict

[0, 2]

---

我们可以使用一个临时dict来存储列表的索引，然后只从列表中获取距离的最小值。我们还将在这里使用一个简单的for循环，以便您能够一步一步地理解正在发生的事情

from collections import defaultdict

d = defaultdict(list) # a dictionary where every value is a list by default

for idx, num in enumerate(distance):
    d[num].append(idx) # for each number append the value of the index

d.get(min(distance)) # fetch the indices of the min number from our dict

[0, 2]

令人惊讶的是，numpy的答案似乎是最慢的

更新：取决于输入列表的大小

import numpy as np
import timeit
from collections import defaultdict


def weird_function_so_bad_to_read(distance):
    se = sorted(enumerate(distance), key=lambda x: x[1])
    smallest_numb = se[0][1]  # careful exceptions when list is empty
    return [x for x in se if smallest_numb == x[1]]
    # t1 = 1.8322973089525476


def pythonic_way(distance):
    min_value = min(distance)
    return [i for i, n in enumerate(distance) if n == min_value]
    # t2 = 0.8458914929069579


def fastest_dont_even_have_to_measure(np_distance):
    # np_distance = np.array([2, 3, 2, 5, 4, 7, 6])
    min_v = np.min(np_distance)
    return np.where(np_distance == min_v)[0]
    # t3 = 4.247801031917334


def dd_answer_was_my_first_guess_too(distance):
    d = defaultdict(list)  # a dictionary where every value is a list by default

    for idx, num in enumerate(distance):
        d[num].append(idx)  # for each number append the value of the index

    return d.get(min(distance))
    # t4 = 1.8876687170704827


def wrapper(func, *args, **kwargs):
    def wrapped():
        return func(*args, **kwargs)
    return wrapped


distance = [2, 3, 2, 5, 4, 7, 6]

t1 = wrapper(weird_function_so_bad_to_read, distance)
t2 = wrapper(pythonic_way, distance)
t3 = wrapper(fastest_dont_even_have_to_measure, np.array(distance))
t4 = wrapper(dd_answer_was_my_first_guess_too, distance)

print(timeit.timeit(t1))
print(timeit.timeit(t2))
print(timeit.timeit(t3))
print(timeit.timeit(t4))

令人惊讶的是，numpy的答案似乎是最慢的

更新：取决于输入列表的大小

import numpy as np
import timeit
from collections import defaultdict


def weird_function_so_bad_to_read(distance):
    se = sorted(enumerate(distance), key=lambda x: x[1])
    smallest_numb = se[0][1]  # careful exceptions when list is empty
    return [x for x in se if smallest_numb == x[1]]
    # t1 = 1.8322973089525476


def pythonic_way(distance):
    min_value = min(distance)
    return [i for i, n in enumerate(distance) if n == min_value]
    # t2 = 0.8458914929069579


def fastest_dont_even_have_to_measure(np_distance):
    # np_distance = np.array([2, 3, 2, 5, 4, 7, 6])
    min_v = np.min(np_distance)
    return np.where(np_distance == min_v)[0]
    # t3 = 4.247801031917334


def dd_answer_was_my_first_guess_too(distance):
    d = defaultdict(list)  # a dictionary where every value is a list by default

    for idx, num in enumerate(distance):
        d[num].append(idx)  # for each number append the value of the index

    return d.get(min(distance))
    # t4 = 1.8876687170704827


def wrapper(func, *args, **kwargs):
    def wrapped():
        return func(*args, **kwargs)
    return wrapped


distance = [2, 3, 2, 5, 4, 7, 6]

t1 = wrapper(weird_function_so_bad_to_read, distance)
t2 = wrapper(pythonic_way, distance)
t3 = wrapper(fastest_dont_even_have_to_measure, np.array(distance))
t4 = wrapper(dd_answer_was_my_first_guess_too, distance)

print(timeit.timeit(t1))
print(timeit.timeit(t2))
print(timeit.timeit(t3))
print(timeit.timeit(t4))

---

---

获取最小的数字，然后线性迭代，获取该数字的所有索引。获取最小的数字，然后线性迭代，获取该数字的所有索引。这与我之前发布的答案有何不同？@DYZ我想我们两人同时发布了答案。或者你有什么理由认为我的答案来自你的？如果我转过身来问你同样的问题会怎么样？在你的两个答案中，计算每次迭代的最小值似乎都是浪费。这与我之前发布的答案有什么不同？@DYZ我想我们两个都是在同一时间发布了答案。或者你有什么理由认为我的答案来自你的？如果我转过身来问你同样的问题呢？在你的两个答案中，计算每次迭代的最小值似乎都是浪费。你为什么要计算每次迭代的最小值呢？@Yannicamann一点也不奇怪。我在发布答案之前进行了这些测试。NumPy不是一颗银弹。为什么每次迭代都要计算最小值？@YannicHamann一点也不奇怪。我在发布答案之前进行了这些测试。NumPy不是银弹，很有趣。我没想到会这样。我想知道为什么会是这样？当你将numpy.ndarray类型的距离与整数进行比较时，它总是计算整个数组。我认为这引出了一个重要的观点：numpy在非常大的数组的高效计算中大放异彩。正如您已经明确指出的，对于小型阵列，numpy可能不是最有效的。但是numpy比大多数其他方法更具可伸缩性。包含一些相关的解释。没问题。我在Excel中绘制了上面的绘图，因为它很快。我使用Matplotlib.interest重新绘制了绘图。我没想到会这样。我想知道为什么会是这样？当你将numpy.ndarray类型的距离与整数进行比较时，它总是计算整个数组。我认为这引出了一个重要的观点：numpy在非常大的数组的高效计算中大放异彩。正如您已经明确指出的，对于小型阵列，numpy可能不是最有效的。但是numpy比大多数其他方法更具可伸缩性。包含一些相关的解释。没问题。我在Excel中绘制了上面的绘图，因为它很快。我使用Matplotlib重新绘制了绘图。我使用您的代码运行了一些附加测试，这些测试显示了numpy在阵列大小急剧增加时的性能。我使用您的代码运行了一些附加测试，这些测试显示了numpy在阵列大小急剧增加时的性能。