Python 向量中元素之间的最小距离

我需要数组元素之间的最小距离

我做到了：

numpy.min(numpy.ediff1d(numpy.sort(x)))

---

有没有更好/更高效/更优雅/更快的方法？您目前的方法绝对是最佳的。通过先排序，可以减少每个元素之间的空间，

ediff1d

将返回一个差异数组。这里有一个建议：

由于我们知道差异必须为正，因为我们有一个升序排序，所以我们可以手动实现

ediff1d

，并在差异为零时包含一个中断。这样，如果您有排序数组

x

：

[1,1,2,3,4,5,6,7，…，n]

您的

ediff1d

函数没有遍历n个元素，而是提前中断，只覆盖前两个元素，返回

[0]

。这也减少了差异数组的大小，减少了

min

调用所需的迭代次数

下面是一个不使用numpy的示例：

x = [1, 12, 3, 8, 4, 1, 4, 9, 1, 29, 210, 313, 12]

def ediff1d_custom(x):
    darr = []

    for i in xrange(len(x)):
        if i != len(x) - 1:
            diff = x[i + 1] - x[i]
            darr.append(diff)

            if diff == 0:
                break

    return darr

print min(ediff1d_custom(sorted(x))) # prints 0

---

如果您追求绝对速度，以下是一些计时：

In [13]: a = np.random.rand(1000)

In [14]: %timeit np.sort(a)
10000 loops, best of 3: 31.9 us per loop

In [15]: %timeit np.ediff1d(a)
100000 loops, best of 3: 15.2 us per loop

In [16]: %timeit np.diff(a)
100000 loops, best of 3: 7.76 us per loop

In [17]: %timeit np.min(a)
100000 loops, best of 3: 3.19 us per loop

In [18]: %timeit np.unique(a)
10000 loops, best of 3: 53.8 us per loop

unique

的计时是希望它能以相对较快的速度进行

排序

，并且如果unique数组的长度比数组本身短（这意味着您的答案是

0

），您可以在不调用

diff

和

min

的情况下提前爆发。但是

unique

的开销比任何收益都要大

因此，我能提供的唯一潜在改进似乎是将

ediff1d

替换为

diff

：

In [19]: %timeit np.min(np.diff(np.sort(a)))
10000 loops, best of 3: 47.7 us per loop

In [20]: %timeit np.min(np.ediff1d(np.sort(a)))
10000 loops, best of 3: 57.1 us per loop

---

您想要更优雅还是更高效？；-）好吧，我想在我的情况下，我需要的是快速有趣，但过度杀伤力，而不是我所需要的。我需要的是单个1d数组中的值。除非预期的最小值实际为零，否则这将比OP的现有解决方案慢得多。这是怎么回事？这是因为numpy是预编译的吗？@DanielLi，而且数组（通常）在连续内存中，而不是在动态列表中。请参见

x

在执行此操作之前仍必须进行排序，因为这基本上只是非numpy

min（ediff1d（x））

交互测试。我原以为

ediff1d

比

diff

快，因为它适用于1d数组，但显然

diff

更快。

In [19]: %timeit np.min(np.diff(np.sort(a)))
10000 loops, best of 3: 47.7 us per loop

In [20]: %timeit np.min(np.ediff1d(np.sort(a)))
10000 loops, best of 3: 57.1 us per loop