根据另一个数组中的所有值查找一个数组的最近索引-Python/NumPy

我有一个复数列表，我想在另一个复数列表中找到最接近的值

我目前使用numpy的方法：

不幸的是，对于大量的值来说，这需要时间。 是否有一种更快或更“pythonian”的方法将myArray中的每个值与refArray中最接近的值进行匹配

仅供参考：我的脚本中不一定需要numpy

---

重要提示：myArray和refArray的顺序都很重要，不应更改。如果要应用排序，则应以某种方式保留原始索引。

以下是一种基于-

时间安排和核查-

In [188]: refArray = np.random.random(16)
     ...: myArray = np.random.random(1000)
     ...: 

In [189]: %timeit org_app(myArray, refArray)
100 loops, best of 3: 1.95 ms per loop

In [190]: %timeit closest_argmin(myArray, refArray)
10000 loops, best of 3: 36.6 µs per loop

In [191]: np.allclose(closest_argmin(myArray, refArray), org_app(myArray, refArray))
Out[191]: True

---

50x+

为发布的示例加速，希望为更大的数据集加速

答案比@Divakar短得多，也使用广播，甚至比@Divakar快一点：

abs(myArray[:, None] - refArray[None, :]).argmin(axis=-1)

---

就时间复杂度而言，滑动窗口可能是最有效的。我看不出滑动窗口比当前解决方案更有效。据我所知，目前的解决方案是O（n），这是最好的希望。然后，为了最小化时间常数，需要做一些权衡。但这取决于你的大案子是否会毁掉你的记忆。如果不是内存问题，可能会从使用广播中获得一点好处，并使用更多的

numpy

计算，但如果RAM内存是一个问题，那么这也可能会降低您的速度。@JohanL RAM不是一个问题，不幸的是时间是一个问题。这个简单的循环是我能想到的最简单也是最好的方法。。不幸的是，当数组大小为ref=64，值为200000时，匹配需要10秒以上的时间，目标值可能不到1秒……您可以尝试

scipy.space.KDTree.query

。您真的需要

np.abs

？我想你也可以使用

（A-sorted\u B[sorted\u idx-1]

或

（A

。此外，我不认为使用

np.allclose

来比较索引数组是一个非常有效的解决方案。与中的

cKDTree

相比，谁不直接使用np.sort对B进行排序？@Anush，因为我在最后一步需要

sidx_B

。

def org_app(myArray, refArray):
    out1 = np.empty(myArray.size, dtype=int)
    for i, value in enumerate(myArray):
        # find_nearest from posted question
        index = find_nearest(refArray, value)
        out1[i] = index
    return out1

In [188]: refArray = np.random.random(16)
     ...: myArray = np.random.random(1000)
     ...: 

In [189]: %timeit org_app(myArray, refArray)
100 loops, best of 3: 1.95 ms per loop

In [190]: %timeit closest_argmin(myArray, refArray)
10000 loops, best of 3: 36.6 µs per loop

In [191]: np.allclose(closest_argmin(myArray, refArray), org_app(myArray, refArray))
Out[191]: True

abs(myArray[:, None] - refArray[None, :]).argmin(axis=-1)