Python 在实数数组中查找最近元素的最快方法

对于每个元素的给定实数数组，找到比当前元素少不超过

0.5

的元素数，然后写入新数组

例如：

原始阵列：

[0.1, 0.7, 0.8, 0.85, 0.9, 1.5, 1.7]

结果数组：

[0,   0,   1,   2,    3,   0,   1]

解决这个问题的算法和方法是什么

重要的是，仅在负方向选择点的邻域，这使得不可能使用

Kdtree

或

Balltree

算法

---

我所有的问题都在于我的编码尝试。

这将解决您的特定任务

def find_nearest_element(original_array):
    result_array = []
    for e in original_array:
        result_array.append(len(original_array[(e-0.5 < original_array) & (e > original_array)]))
    return result_array

original_array = np.array([0.1, 0.7, 0.8, 0.85, 0.9, 1.5, 1.7])
print(find_nearest_element(original_array))

编辑：对于较小的阵列（约len 10000），使用掩码的速度明显快于使用numba的版本。对于较大的阵列，使用Numba的版本更快。因此，这取决于您希望处理的阵列的大小

某些运行时比较（以秒为单位）：

---

我的设备上的盈亏平衡点大约为10000（两者都需要约0.33秒）。

尽管下面的方法使用简单的逻辑并且易于编写，但速度很慢。我们可以通过使用修饰函数来加速它。这将把简单的循环任务加速到接近汇编语言的速度

使用

pip安装Numba

安装Numba

from numba import jit
import numpy as np

# Create a numpy array of length 10000 with float values between 0 and 10
random_values = np.random.uniform(0.0,10.0,size=(100*100,))

@jit(nopython=True, nogil=True)
def find_nearest(input):
  result = []
  for e in input:
    counter = 0
    for j in input:
      if j >= (e-0.5) and j < e:
        counter += 1
    result.append(counter)
  return result

result = find_nearest(random_values)

返回：

[0, 0, 1, 2, 3, 0, 1]

---

对于有序阵列，这个问题很容易解决。你只需向后搜索并计算所有大于实际数字半径的数字。如果这个条件不再满足，你可以打破内部循环（这节省了很多时间）

示例

import numpy as np
from scipy import spatial
import numba as nb

@nb.njit(parallel=True)
def get_counts_2(Points_sorted,ind,r):
  counts=np.zeros(Points_sorted.shape[0],dtype=np.int64)
  for i in nb.prange(0,Points_sorted.shape[0]):
    count=0
    for j in range(i-1,0,-1):
      if (Points_sorted[i]-r<Points_sorted[j]):
        count+=1
      else:
        break
    counts[ind[i]]=count
  return counts

---

你能告诉我你有什么问题吗？我的问题在于我的代码尝试。数字总是被排序吗？@max9111不，它们没有被排序。这是一个非常缓慢的决定，有困难O（n^2）。在帖子中没有提到速度优化。。。。是的，这可能不是最快的。也不是他想要的，因为他只想将当前数字与数组左侧进行比较。真的吗？我不是这样理解这个问题的。。。。“仅在负方向上选择点的邻域”表示搜索邻域距离为0.5，但仅限于搜索x-0.5范围内的值（其中x为目标值）。我已经修改了我的答案，以获得更好的速度优化。真的很有趣，谢谢你的时间比较！（虽然，也许这不应该格式化为代码块？）我也这么认为。但是如果我不把它放在代码块中，两行之间的距离会变得非常大：/至少它是一个脚本的输出^^你的意思是“两行都需要大约0.33秒”吗？

test = [0.1, 0.7, 0.8, 0.85, 0.9, 1.5, 1.7]
result = find_nearest(test)
print result

[0, 0, 1, 2, 3, 0, 1]

import numpy as np
from scipy import spatial
import numba as nb

@nb.njit(parallel=True)
def get_counts_2(Points_sorted,ind,r):
  counts=np.zeros(Points_sorted.shape[0],dtype=np.int64)
  for i in nb.prange(0,Points_sorted.shape[0]):
    count=0
    for j in range(i-1,0,-1):
      if (Points_sorted[i]-r<Points_sorted[j]):
        count+=1
      else:
        break
    counts[ind[i]]=count
  return counts

r=0.001
Points=np.random.rand(1_000_000)

t1=time.time()
ind=np.argsort(Points)
Points_sorted=Points[ind]
counts=get_counts_2(Points_sorted,ind,r)
print(time.time()-t1)
#0.29s