在python中的列表列表中搜索最接近的值[关闭]

【问题标题】：Search for closest value in list of lists in python [closed]在python中的列表列表中搜索最接近的值[关闭]
【发布时间】：2014-12-27 16:17:50
【问题描述】：

我有一个列表：

[[0, 2], [1, 3], [2, 5], [3, 2], [4, 5]]

和一个列表中的值，例如：[4,0]

想象这是 xy 网格，我想在列表列表中找到最接近的值。我看过这里Find nearest value in numpy array 更确切地说是这一行：idx = np.array([np.linalg.norm(x+y) for (x,y) in array-value]).argmin()

问题在于它总结了 x+y，所以它会说 [1,3] 是最接近的，在某些情况下可能是正确的，但不是全部，在这种特定情况下 [3,2] 是更近了。

请帮忙。

【问题讨论】：

那么为什么[1, 3]不是壁橱是所有情况？你能给我们提供例子吗？

标签： python arrays list numpy grid

【解决方案1】：

In [4]: arr = np.array([[0, 2], [1, 3], [2, 5], [3, 2], [4, 5]])

In [5]: value = np.array([4,0])

In [6]: np.linalg.norm(arr-value, axis=1)
Out[6]: array([ 4.47213595,  4.24264069,  5.38516481,  2.23606798,  5.        ])

In [7]: np.linalg.norm(arr-value, axis=1).argmin()
Out[7]: 3

In [8]: arr[np.linalg.norm(arr-value, axis=1).argmin()]
Out[8]: array([3, 2])

请注意，如果arr 非常大，并且您需要计算arr 中最接近许多其他点的点，则使用KDTree 更有效，因为一旦您在KDTree 中获得了数据（即需要 O(n log n) 时间），搜索最近的点只需要 O(log n) 时间。使用arr[norm(...).argmin()] 需要 O(n) 时间。

所以如果你有 scipy，你可以像这样找到最近的点：

In [22]: from scipy import spatial

In [23]: tree = spatial.KDTree(arr)

In [24]: distances, indices = tree.query([4, 0])

In [25]: tree.data[indices]
Out[25]: array([3, 2])

【讨论】：