我发现了这个帖子：Python: finding an element in an array
它是关于通过匹配值返回数组的索引。
另一方面，我想做的事情相似但不同。我想找到目标值的最接近值。例如，我正在寻找 4.2，但我知道数组中没有 4.2，但我想返回值 4.1 而不是 4.4 的索引。
最快的方法是什么？
我正在考虑用旧的方式来做这件事，就像我以前用 Matlab 做的那样，它使用数组 A，我想从中获取索引减去目标值并取其绝对值，然后选择分钟。像这样的东西：-
[~,idx] = min(abs(A - target))
这是 Matlab 代码，但我是 Python 新手，所以我在想，有没有一种在 Python 中快速的方法？
非常感谢您的帮助！
【问题讨论】：
标签： python numpy python-3.x
这类似于使用 bisect_left，但它允许您传入一个目标数组
def find_closest(A, target):
#A must be sorted
idx = A.searchsorted(target)
idx = np.clip(idx, 1, len(A)-1)
left = A[idx-1]
right = A[idx]
idx -= target - left < right - target
return idx
一些解释：
首先是一般情况：idx = A.searchsorted(target)为每个target返回一个索引，这样target就在A[index - 1]和A[index]之间。我称它们为left 和right，所以我们知道left < target <= right。当目标更接近left 时target - left < right - target 为True（或1），当目标更接近right 时False（或0）。
现在是特殊情况：当target 小于A、idx = 0 的所有元素时。 idx = np.clip(idx, 1, len(A)-1) 将 idx idx=1。在这种情况下left = A[0]，right = A[1]，我们知道target <= left <= right。因此我们知道target - left <= 0 和right - target >= 0 所以target - left < right - target 是True 除非target == left == right 和idx - True = 0。
如果target大于A的所有元素还有另一种特殊情况，在这种情况下idx = A.searchsorted(target)和np.clip(idx, 1, len(A)-1)
用len(A)替换len(A) - 1所以idx=len(A) -1和target - left < right - target结束向上 False 所以 idx 返回 len(A) -1。我会让你自己处理逻辑。
例如：
In [163]: A = np.arange(0, 20.)
In [164]: target = np.array([-2, 100., 2., 2.4, 2.5, 2.6])
In [165]: find_closest(A, target)
Out[165]: array([ 0, 19, 2, 2, 3, 3])
【讨论】：
idx -= target - left < right - target 部分存在问题。我是 Python 新手，所以我首先测试了 target - left < right - target，它们返回了 True 和 False 的范围。我使用 idx 减去结果，得到一个稍微失真的数组。例如，原始索引 0 变为 -1。我在这里错过了什么吗？
嗯，2 年多过去了，实际上我从这个 URL 中找到了一个非常简单的实现：Find nearest value in numpy array
实现是：
def getnearpos(array,value):
idx = (np.abs(array-value)).argmin()
return idx
干杯！！
【讨论】：
测试并计时了两种解决方案：
idx = np.searchsorted(sw, sCut)
和
idx = np.argmin(np.abs(sw - sCut))
用于以耗时的方法进行计算。 第二个解决方案的计算时间为 113 秒，第一个解决方案的计算时间为 132 秒。
【讨论】：
np.argmin(np.abs(np.array([1, 2, 3, 4]) - 2.1)) 返回 1，其中 np.searchsorted([1, 2, 3, 4], 2.1) 返回 2...np.searchsorted 返回插入位置以保留顺序，因此它返回目标后第一个值的索引，可能不是最近的值。使用最小化abs(value-target) 的任何方法实际上是在找到可能高于或低于目标的最接近的值。根据您的需要，两者都可能合适，但它们并不等效。
def finder(myList, target)
diff = ''
index = None
for i,num in enumerate(myList):
if abs(target - num) < diff:
diff = abs(target - num)
index = i
return index
希望对你有帮助
编辑：
如果您想要单线，那么您可能会更喜欢这个：
min(L, key=lambda x: abs(target-x))
【讨论】：
可能的解决方案：
>>> a = [1.0, 3.2, -2.5, -3.1]
>>> i = -1.5
>>> diff = [(abs(i - x),idx) for (idx,x) in enumerate(a)]
>>> diff
[(2.5, 0), (4.7, 1), (1.0, 2), (1.6, 3)]
>>> diff.sort()
>>> diff
[(1.0, 2), (1.6, 3), (2.5, 0), (4.7, 1)]
您将在 diff[0][1] 中获得最接近值的索引
【讨论】：
对应的 Numpy 代码几乎相同，只是你使用numpy.argmin 查找最小索引。
idx = numpy.argmin(numpy.abs(A - target))
【讨论】：
numpy.searchsorted 也很方便（而且效率更高）。
A = [4.1, 4.4, 5, 4.1] 和 target = 4.2。此代码将仅返回 idx = 0 而不是 idx = [0, 3]。是否唯一的方法是循环返回 A，将每个值与 idx = 0 的值进行比较，以确定是否还有其他值？
idx = 1（Matlab 索引是从 1 开始的），所以我猜其他的都不需要。
searchsorted 如果对 A 进行排序会更快，但它也可以将目标数组作为参数，因此如果您需要重复此操作超过一个目标。如果这对你有用，请告诉我，我会写下来作为答案。