如何匹配两个不等长的numpy数组？

Question

我有两个一维numpy数组。 长度不相等。 我想对彼此靠近的元素进行配对（array1_elemnt，array2_element）。 让我们考虑以下示例

    a = [1,2,3,8,20,23]
    b = [1,2,3,5,7,21,35]

预期的结果是

    [(1,1), 
    (2,2), 
    (3,3), 
    (8,7),
    (20,21),
    (23,25)]

重要的是要注意，剩下5个。 它可以很容易地通过循环来完成，但是我有非常大的数组。 我考虑过使用最近的邻居。 但是感觉就像用佳能杀死一只麻雀。

任何人都可以提出任何优雅的解决方案。

非常感谢。

Answer 1

如何使用Needleman-Wunsch算法？ :)

得分矩阵将是微不足道的，因为两个数字之间的“距离”就是它们的区别。

但这可能就像用坦克杀死一只麻雀...

Answer 2

您可以使用内置的map函数对执行此操作的函数进行矢量化处理。 例如：

ar1 = np.array([1,2,3,8,20,23])
ar2 = np.array([1,2,3,5,7,21,35])
def closest(ar1, ar2, iter):
    x = np.abs(ar1[iter] - ar2)
    index = np.where(x==x.min())
    value = ar2[index]
    return value

def find(x):
    return closest(ar1, ar2, x)
c = np.array(map(find, range(ar1.shape[0])))

在上面的示例中，看起来好像您想在值配对后就排除它们。 在这种情况下，您可以在第一个函数中包含这样的删除过程，但是要对数组1的排序方式非常小心：

 def closest(ar1, ar2, iter):
    x = np.abs(ar1[iter] - ar2)
    index = np.where(x==x.min())
    value = ar2[index]
    ar2[ar2==value] = -10000000
    return value

Answer 3

我能想到的最好的方法是使用循环。 如果python中的循环缓慢，则可以使用Cython加快代码速度。

Answer 4

我认为可以做到这一点：

1. 创建两个新的结构化数组，以使第二个索引为0或1，指示值所属的数组，即键
2. 连接两个数组
3. 沿第一个字段对组合数组进行排序（值）
4. 使用2个堆栈：遍历数组，将键为1的元素放在左侧堆栈中，当您交叉键为0的元素时，将它们放在右侧堆栈中。 当您使用键0到达第二个元素时，对于使用键0的第一个元素，请检查左右堆栈的顶部和底部，并获取最接近的值（也许是最大距离），切换堆栈并继续。

sort应该是最慢的步骤，并且堆栈的最大总空间为n或m。

Answer 5

您可以执行以下操作：

a = np.array([1,2,3,8,20,23])
b = np.array([1,2,3,5,7,21,25])

def find_closest(a, sorted_b):
    j = np.searchsorted(.5*(sorted_b[1:] + sorted_b[:-1]), a, side='right')
    return b[j]

b.sort()  # or, b = np.sort(b), if you don't want to modify b in-place
print np.c_[a, find_closest(a, b)]

# ->
# array([[ 1,  1],
#        [ 2,  2],
#        [ 3,  3],
#        [ 8,  7],
#        [20, 21],
#        [23, 25]])

这应该很快。 搜索searchsorted工作方式是为每个数字a找到两个数字之间的中点之后b的索引，即最接近的数字。