在 numpy ndarray 中找到两个最接近的值答案

【问题标题】：find two closest values in numpy ndarray在 numpy ndarray 中找到两个最接近的值
【发布时间】：2021-08-24 19:44:39
【问题描述】：

我有一个像这样的 numpy ndarray

np.array(
[[40.26164428, 63.50590524, 58.30951895],
 [50.99019514, 69.0651866 , 60.44005295],
 [20.24845673, 14.31782106, 58.52349955],
 [54.58937626, 53.03772242, 21.09502311],
 [56.75385449, 57.5847202 ,  1.41421356]])

（注意：我生成的数组总是不同的形状（这个数组的形状是 (5, 3) 但它可以是 (2, 2) (4, 1)...），所以这不是一个 3D 坐标数组，它只是这样生成的）

我需要找到生成数组的两个最接近的值并返回它们的索引，在这种情况下，值是58.30951895 和58.52349955，应该返回坐标[0, 2] and [2, 2]

我尝试使用 cKDtree，但这不是坐标数组，因此在这种情况下不起作用，我该怎么做？

【问题讨论】：

标签： python numpy numpy-ndarray

【解决方案1】：

当有人指出单线时，我会感到尴尬，但这是一种方法。

我将数组展平，然后对其进行排序，然后找到每个元素之间的增量。找到最小增量。现在，从排序后的数组中，我知道两个最接近的元素的值。 argwhere 然后给我坐标。

import numpy as np

data = np.array(
[[40.26164428, 63.50590524, 58.30951895],
 [50.99019514, 69.0651866 , 60.44005295],
 [20.24845673, 14.31782106, 58.52349955],
 [54.58937626, 53.03772242, 21.09502311],
 [56.75385449, 57.5847202 ,  1.41421356]])


order = np.sort(data.reshape(-1))
delta = np.diff(order)
am = np.argmin(delta)
print( np.argwhere(data == order[am]))
print( np.argwhere(data == order[am+1]))

输出：

C:\tmp>python x.py
[[0 2]]
[[2 2]]

【讨论】：

最后你有额外的一对 [] ，这就是为什么你得到 3 个数字而不是 2 个数字，结果证明 numpy 对 delta 部分有功能，所以你也可以改变它： np.diff(order)

【解决方案2】：

如果我理解正确，它们在数组中的位置是无关紧要的，所以在这种情况下很简单，将数字放在一个列表中，使其记住它们的原始位置，然后对其进行排序并找到两个连续的最小差异元素

>>> import itertools
>>> def pairwise(iterable):
        a,b = itertools.tee(iterable)
        next(b,None)
        return zip(a,b)

>>> data=[[40.26164428, 63.50590524, 58.30951895],
 [50.99019514, 69.0651866,  60.44005295],
 [20.24845673, 14.31782106, 58.52349955],
 [54.58937626, 53.03772242, 21.09502311],
 [56.75385449, 57.5847202,   1.41421356]]
>>> linear=[ (value,x,y) for x,row in enumerate(data) for y,value in enumerate(row)]
>>> linear.sort(key=lambda x:x[0])
>>> min(pairwise(linear),key=lambda pair: abs(pair[0][0]-pair[1][0]))
((58.30951895, 0, 2), (58.52349955, 2, 2))
>>>

【讨论】：