Python 大双阵中小双阵的最佳匹配

我正在尝试将大小约为20的小阵列与大小约为200000的大阵列进行匹配。两个数组都包含双值。在这种情况下，匹配意味着最小的错误，因为不会有精确的匹配

下一件事是，我必须更改小数组的值，因为如果它不同，但值之间有相同的间隙，它也应该匹配，这意味着：

array 1: [1.3, 1.4, 1.3, 1.5, 1.7]
array 2: [..., 2.3, 2.4, 2.4, 2.5, 2.7, ...]

我必须将每个比较的最后一个元素设置为相同的数字。上面的例子将是一个非常好的匹配，因为首先我将+1.0整个数组#1

[编辑] 为了澄清上述陈述：在计算错误之前，示例数组应如下所示：

array 1: [2.3, 2.4, 2.3, 2.5, 2.7] 
// (+1 of each element so the last element of the small array, 
// and the last element of the part of the large array I am 
// comparing to, has the same values: in this case: 2.7)
array 2: [..., 2.3, 2.4, 2.4, 2.5, 2.7, ...]

[/编辑]

我知道可以简单地遍历大数组，但是速度太慢了。当然，我可以使用向量运算，比如norm（v1-v2），而不是通过迭代数组来计算误差

我听说python非常适合数学运算，但我找不到任何方法来比较两个数组（数组中只有一个数字）

最后，问题是：任何想法，我如何能以一种真正快速的方式解决问题。哪种语言可以很好地解决这类问题（octave不是因为它在向量计算方面很快，但迭代速度很慢）——python中可能有一些很好的库

---

如果我需要更详细地解释，请告诉我。

我承认我对如何定义最佳匹配有点模糊，但是这个示例可以很容易地调整。神奇之处在于

closeness

函数，它接收与

target

长度相同的

数据片段，并返回一个数字。数字越低，匹配越好

import random

target = [random.random() * 10 for i in range(20)]
data   = [random.random() * 10 for i in range(200000)]

def closeness(a_range):
    diffs = list(map(lambda e: e[0]-e[1], zip(a_range, target)))
    avg_diffs = float(sum(diffs)) / len(diffs)
    adjusted_target = [i + avg_diffs for i in target]
    return sum(adjusted_target)

ranges = [data[i:i+len(target)] for i in range(len(data)-len(target))]
best_match = min(ranges, key=closeness) 

print(best_match)

我承认我对如何定义最佳匹配有点模糊，但这个例子可以很容易地调整。神奇之处在于
closeness
函数，它接收与
target
长度相同的
数据片段，并返回一个数字。数字越低，匹配越好

import random

target = [random.random() * 10 for i in range(20)]
data   = [random.random() * 10 for i in range(200000)]

def closeness(a_range):
    diffs = list(map(lambda e: e[0]-e[1], zip(a_range, target)))
    avg_diffs = float(sum(diffs)) / len(diffs)
    adjusted_target = [i + avg_diffs for i in target]
    return sum(adjusted_target)

ranges = [data[i:i+len(target)] for i in range(len(data)-len(target))]
best_match = min(ranges, key=closeness) 

print(best_match)

你应该澄清“将最后一个元素带到同一个数字”的含义，请将你的问题编辑得更精确；另外，以完全不同的方式解决问题的想法也很好。你真的有最小化问题吗？也就是说，您是否希望最小差值接近零，或者您正在寻找的可能是
[1,1]
，而最佳匹配是
[3,1]
，必须找到它？（输入可能
[100,3,1]
）是的，这可能会发生，但我的案例中的数字不清楚。所以我会说：是的，这是一个最小化问题。问题是有相当复杂的模糊字符串匹配算法，而你的问题更一般（两个元素之间的距离取决于移位，加上距离不是离散的），所以我认为对于一个真正有效的算法有一点希望。这种最小化必须多久执行一次？也许简单的C实现再加上一些修改就足够了？可能是多线程？你应该澄清“将最后一个元素带到同一个数字”的含义，请将你的问题编辑得更精确；另外，以完全不同的方式解决问题的想法也很好。你真的有最小化问题吗？也就是说，您是否希望最小差值接近零，或者您正在寻找的可能是
[1,1]
，而最佳匹配是
[3,1]
，必须找到它？（输入可能
[100,3,1]
）是的，这可能会发生，但我的案例中的数字不清楚。所以我会说：是的，这是一个最小化问题。问题是有相当复杂的模糊字符串匹配算法，而你的问题更一般（两个元素之间的距离取决于移位，加上距离不是离散的），所以我认为对于一个真正有效的算法有一点希望。这种最小化必须多久执行一次？也许简单的C实现再加上一些修改就足够了？可能是多线程？谢谢你的回答。我已经试过了，效果很好。我的解决方案非常相似，只是我使用numpy进行diff计算。但总的来说，这似乎是解决这个问题的唯一（可能也是最好的）方法——因此我接受这个答案。只是想让其他人知道：使用numpy更快：）谢谢你的回答。我已经试过了，效果很好。我的解决方案非常相似，只是我使用numpy进行diff计算。但总的来说，这似乎是解决这个问题的唯一（可能也是最好的）方法——因此我接受这个答案。只是想让其他人知道：使用numpy更快：）