在给定数字的最接近值的列表中查找位置

Question

我有一个值列表，例如，不一定排序

list=[1.1,0.7,1.8,2.,1.65]

我想在列表中找到与给定数字最接近的值的位置，例如a=1.4 。 列表中的值是大于还是小于给定值无关紧要。 当然，一种方法是使用for循环

import numpy as np
d=100.
i=0
for s in list:
    if np.abs(s-a)<d:
        pos=i
        d=np.abs(s-a)   
    i+=1
print pos  

但在python中必须有一个更好的方法。 我怎样才能更合成呢？ 如果值被排序怎么办？

Answer 1

您可以将其转换为numpy数组并计算项目与target之间的最小绝对差异的索引，如：

def min_diff_pos(array_like, target):
    return np.abs(np.array(array_like)-target).argmin()

例如：

>>> min_diff_pos([1.1,0.7,1.8,2.,1.65], 1.1)
0
>>> min_diff_pos([1.1,0.7,1.8,2.,1.65], 1.8)
2
>>> min_diff_pos([1.1,0.7,1.8,2.,1.65], 1.7)
4
>>> min_diff_pos([1.1,0.7,1.8,2.,1.65], 1.79)
2

如果值已排序，我们可以使用二进制搜索算法，然后查看插入点附近的两个项目。 在这种情况下，它是这两者中最接近的。 这使得查找O（log n）而不是O（n） ：

def min_diff_pos_sorted(sorted_array, target):
    idx = np.searchsorted(sorted_array, target)
    idx1 = max(0, idx-1)
    return np.abs(np.array(sorted_array[idx1:idx+1])-target).argmin() + idx1

例如：

>>> data = np.array([0.7, 1.1, 1.65, 1.8, 2.0])
>>> min_diff_pos_sorted(data, 0.7)
0
>>> min_diff_pos_sorted(data, 0.8)
0
>>> min_diff_pos_sorted(data, 0.9)
0
>>> min_diff_pos_sorted(data, 1.0)
1
>>> min_diff_pos_sorted(data, 1.1)
1
>>> min_diff_pos_sorted(data, 1.2)
1
>>> min_diff_pos_sorted(data, 1.3)
1
>>> min_diff_pos_sorted(data, 1.4)
2

Answer 2

一个非常简单的解决方案，没有numpy或其他第三方工具：

values = [1.1, 0.7, 1.8, 2., 1.65]

def get_min_pos(values, referencevalue):
    d = [(referencevalue - x)**2 for x in values]
    return d.index(min(d))

第一次测试：

testvalues = values
for value in testvalues:
    expected_pos = values.index(value)
    pos = get_min_pos(values=values, referencevalue=value)
    assert pos == expected_pos

# list of testvalue and expected indox pos for the value
testvalues = [(1.0, 0), (0.8, 1), (0.9, 0), (0.89, 1), ]
for value, expected_pos in testvalues:
    value = get_min_pos(values=values, referencevalue=value)
    assert value == expected_pos