Question

我想获取numpy数组中最接近的值的索引，该索引大于我的搜索值。示例：findNearestAbove(np.array([0.,1.,1.4,2.]), 1.5)应返回3（索引为2。）。

我知道我可以使用np.abs(a-value).argmin()获取最近的索引，并且我发现min(a[np.where(a-value >= 0.)[0]])返回所需的数组值。因此，np.where(a == min(a[np.where(a-value >= 0.)[0]]))[0]可能会给我所需的索引。然而，这看起来相当复杂，我担心它可能在多维数组的情况下破裂。有任何建议如何改善吗？

Answer 1

我相信您可以使用np.searchsorted：

In [15]: np.searchsorted(a,[1.5,],side='right')[0]
Out[15]: 3

假设a按升序排列。

此方法也不适用于多维数组，但我不确定该用例在预期输出方面是如何工作的。如果你能举一个你想象的例子，我或许可以适应这个目的。

注意：你也可以使用np.digitize来实现这个目的，虽然它执行线性而不是二进制搜索，所以对于某些输入大小，它可能比{慢很多} {1}}并要求searchsorted是单调的：

Answer 2

这是一种方式（我假设你最接近你的意思是价值而不是位置）

import numpy as np

def find_nearest_above(my_array, target):
    diff = my_array - target
    mask = np.ma.less_equal(diff, 0)
    # We need to mask the negative differences and zero
    # since we are looking for values above
    if np.all(mask):
        return None # returns None if target is greater than any value
    masked_diff = np.ma.masked_array(diff, mask)
    return masked_diff.argmin()

结果：

>>> find_nearest_above(np.array([0.,1.,1.4,2.]), 1.5)
3
>>> find_nearest_above(np.array([0.,1.,1.4,-2.]), -1.5)
0
>>> find_nearest_above(np.array([0., 1, 1.4, 2]), 3)
>>>

Answer 3

这是一个解决方案，当找到数组中最接近但大于数字的值和索引（在速度方面没有承诺等）时，它非常适合我：

def findNearestGreaterThan(searchVal, inputData):
    diff = inputData - searchVal
    diff[diff<0] = np.inf
    idx = diff.argmin()
    return idx, inputData[idx]

它很容易适应最近但不到的地方：

def findNearestLessThan(searchVal, inputData):
    diff = inputData - searchVal
    diff[diff>0] = -np.inf
    idx = diff.argmax()
    return idx, inputData[idx]

Answer 4

这是执行此操作的正确方式：

>>> def argfind(array, predicate):
...     for i in xrange(array.shape[0]):
...         if predicate(array[i]):
...             return i
...     return False
...
>>> def find_nearest_above(array, value):
...     return argfind(array, lambda x: x > value)
...
>>> find_nearest_above(np.array([0.,1.,1.4,2.]), 1.5)
  > 3

这里的要点是，如果存在匹配值，您将在满足此值时得到答案。其他方法（包括你自己的方法，在问题中提出）将检查整个阵列，这是浪费时间。

如何找到numpy数组中更大的最近值？

4 个答案: