Python&；NumPy：使用条件搜索最小值（使用特定的数据类型）

我正在用Python开发一个A*路径查找算法，并使用以下数据类型将数据很好地塞入2D NumPy数组中：

numpy.dtype([
  ('open', bool),
  ('closed', bool),
  ('parent', object),
  ('g', int),
  ('f', int)
])

接下来，我需要解释一下：

current := the node in openset having the lowest f_score[] value

此位将为我提供最低“f”值的索引（工作数组定义为pathArray）：

…此位将查找“打开”为真的所有索引：

numpy.where(pathArray['open'])

---

如何将这些条件结合使用，在“打开”为真的情况下找到最低的“f”值？

我对

numpy

不太熟悉，但我仍然“认为”使用内置函数无法做到这一点。但我还是会尽力解释。

Wikipedia

的意思是，要做到这一点，您需要类似于

优先级队列的东西：

current := the node in openset having the lowest f_score[] value

您需要非常快地完成这项工作，我建议您构建一个二进制堆，并将其用作优先级队列。这可以用python轻松完成。这是一篇非常好的文章，解释了
堆
和
优先级队列
及其在python中的实现。

祝你好运
不要在
pathArray['f']
上使用
np.argmin
，你可以在
pathArray[pathArray['open']]['f']
上使用它。当然，您必须调整结果，以便将其与
pathArray['f']
一起使用


另一种方法是沿着
'f'
字段对
pathArray
进行排序，然后找到排序为['open']

的第一个条目

current := the node in openset having the lowest f_score[] value