Python 有没有一种方法可以找到一个整数偏移量，当添加到一个numpy数组中的每个值时，它与另一个数组的匹配量会最大化？

例如，假设我有两个列表：

a = np.array([1, 3, 5, 6, 8, 9])
b = np.array([103, 104, 106, 107, 108, 109])

我想添加的值是~100，作为偏移量添加到列表a中，以匹配给定偏移量的列表b中尽可能多的值

我目前的解决方案基本上是

best_matches = []
for v1 in a:
    for v2 in b:
        offset = abs(v1 - v2)
        matches = np.intersect1d(a + offset, b)

        best_matches.append((offset, len(matches)))

best_offset = max(best_matches, key = lambda i : i[1]) # find offset that had the most amount of intersections when added to the first array

---

我需要一个解决方案来处理相当大的值列表，所以这个解决方案要么更有效，要么在方法上有所不同。感谢您的帮助

相当于您的答案，没有循环：

o = np.bincount(np.ravel(b[:,None] - a[None,:])).argmax()
l = len(np.intersect1d(b, (a + o)))

根据

---

实际答案是

（103,4）

，而不是

（101,4）

。您不能只执行

np.bincount（b-a）.argmax（）

其中

b-a

是元素相减。相反，您需要减去b和a中所有可能的元素组合。。@AlexanderS.Brunmayr。现在好点了吗？但是，

argmax

的响应是

（98,4）

您不需要使用

A

和

B

的复杂设置代码，广播可以通过几个片段为您完成。试试

b[：，无]-a[None，：]

@Blckknght，真的谢谢你@科雷恩。很抱歉，（101，4）不是“实际”答案，它确实是众多解决方案之一，正如（98，4）一样。是的，现在好多了：我喜欢这个答案。（顺便说一句，那太酷了，我不知道你能做到）

>>> (o, l)
(98, 4)