Question

我有一个复数列表，我希望在另一个复数列表中找到最接近的值。

目前使用numpy的方法：

async function foo() {
  const result = await bar(); // is this await required?
  console.log(result);
}

async function bar() {
  console.log('waiting...');
  return await new Promise(resolve => setTimeout(() => resolve('result'), 1000)) ;
}

不幸的是，这需要很长时间才能获得大量值。是否有更快或更多的蟒蛇＆＃34;将myArray中的每个值与refArray中最接近的值匹配的方法？

仅供参考：我的剧本中不一定需要numpy。

重要提示： myArray和refArray的顺序很重要，不应更改。如果要应用排序，则应以某种方式保留原始索引。

Answer 1

这是基于np.searchsorted -

的this post的一种矢量化方法

def closest_argmin(A, B):
    L = B.size
    sidx_B = B.argsort()
    sorted_B = B[sidx_B]
    sorted_idx = np.searchsorted(sorted_B, A)
    sorted_idx[sorted_idx==L] = L-1
    mask = (sorted_idx > 0) & \
    ((np.abs(A - sorted_B[sorted_idx-1]) < np.abs(A - sorted_B[sorted_idx])) )
    return sidx_B[sorted_idx-mask]

简要说明：

获取左侧位置的排序索引。我们使用 - np.searchsorted(arr1, arr2, side='left')或np.searchsorted(arr1, arr2)执行此操作。现在，searchsorted期望排序数组作为第一个输入，所以我们需要在那里进行一些准备工作。
将这些左侧位置的值与其右侧位置(left + 1)的值进行比较，看看哪一个最接近。我们在计算mask的步骤中执行此操作。
根据左边的或右边的最近的，选择相应的。这是通过减去索引来完成的，mask值作为偏移量转换为ints。

<强>基准

原创方法 -

def org_app(myArray, refArray):
    out1 = np.empty(myArray.size, dtype=int)
    for i, value in enumerate(myArray):
        # find_nearest from posted question
        index = find_nearest(refArray, value)
        out1[i] = index
    return out1

计时和验证 -

In [188]: refArray = np.random.random(16)
     ...: myArray = np.random.random(1000)
     ...: 

In [189]: %timeit org_app(myArray, refArray)
100 loops, best of 3: 1.95 ms per loop

In [190]: %timeit closest_argmin(myArray, refArray)
10000 loops, best of 3: 36.6 µs per loop

In [191]: np.allclose(closest_argmin(myArray, refArray), org_app(myArray, refArray))
Out[191]: True

发布的样本

50x+ 加速，希望更大的数据集更多！

Answer 2

比@Divakar短得多的答案，还使用广播甚至更快：

abs(myArray[:, None] - refArray[None, :]).argmin(axis=-1)

查找一个数组的最近索引与另一个数组中的所有值 - Python / NumPy

2 个答案: