在python中的列表列表中搜索最接近的值

我有一份清单：

[[0, 2], [1, 3], [2, 5], [3, 2], [4, 5]]

以及列表中的值，例如：[4,0]

假设这是xy网格，我希望尽可能在列表中找到最接近的值。 我在这里看过了 更确切地说，这一行是：idx=np.array[np.linalg.normx+y表示x，y表示数组值].argmin

问题是它总结了x+y，所以可以说[1,3]是最接近的一个，在某些情况下可能是正确的，但不是所有情况下都是正确的，在这个特定情况下[3,2]更接近

请帮忙

In [4]: arr = np.array([[0, 2], [1, 3], [2, 5], [3, 2], [4, 5]])

In [5]: value = np.array([4,0])

In [6]: np.linalg.norm(arr-value, axis=1)
Out[6]: array([ 4.47213595,  4.24264069,  5.38516481,  2.23606798,  5.        ])

In [7]: np.linalg.norm(arr-value, axis=1).argmin()
Out[7]: 3

In [8]: arr[np.linalg.norm(arr-value, axis=1).argmin()]
Out[8]: array([3, 2])

请注意，如果arr非常大，并且需要计算arr中与许多其他点最接近的点，则使用a会更有效，因为一旦KDTree中的数据占用log n时间，则搜索最近的点只需要Olog n时间。使用arr[norm….argmin]需要准时

如果你有scipy，你可以找到像这样的最近点：

In [22]: from scipy import spatial

In [23]: tree = spatial.KDTree(arr)

In [24]: distances, indices = tree.query([4, 0])

In [25]: tree.data[indices]
Out[25]: array([3, 2])

那么为什么[1,3]不是衣柜都是箱子呢？你能给我们举个例子吗？