如何在numpy数组中找到更大的最近值？

Question

我想在一个大于我的搜索值的 numpy 数组中获取最近值的索引。示例：findNearestAbove(np.array([0.,1.,1.4,2.]), 1.5) 应返回 3（2 的索引）。

我知道我可以用np.abs(a-value).argmin() 获得最近的索引，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。但是，这看起来相当复杂，我担心它可能会在多维数组的情况下中断。有什么建议可以改进吗？

Answer 1

我相信您可以为此使用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的确切工作方式。如果你能举一个你想象的例子，我也许可以根据这个目的进行调整。

注意：你也可以使用 np.digitize 来达到这个目的，虽然它执行的是线性搜索而不是二分搜索，所以对于某些输入大小，它可能比 searchsorted 慢很多并要求a 是单调的：

In [25]: np.digitize([1.5,], a, right=True)[0]
Out[25]: 3

Answer 2

这是一种方法（我假设您的最近是指价值而不是位置）

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

在找到数组中最近但大于数字的值和索引时，这是一个非常适合我的解决方案（在速度等方面没有承诺）：

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

它也很容易适应最近但小于：

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

Answer 4

这是正确的方法：

>>> 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

这里的重点是，如果存在匹配的值，当满足这个值时，你就会得到答案。其他方法（包括您自己的，在问题中提出）将检查整个数组，这是浪费时间。