查找最接近列表中未完全排序的值的项目的索引

Question

作为一个例子，我的列表是：

[25.75443, 26.7803, 25.79099, 24.17642, 24.3526, 22.79056, 20.84866, 19.49222, 18.38086, 18.0358, 16.57819, 15.71255, 14.79059, 13.64154, 13.09409, 12.18347, 11.33447, 10.32184, 9.544922, 8.813385, 8.181152, 6.983734, 6.048035, 5.505096, 4.65799]

我正在寻找最接近11.5的值的索引。 我尝试过其他方法，如二进制搜索和bisect_left但它们不起作用。

我无法对此数组进行排序，因为该值的索引将用于类似的数组以获取该索引处的值。

Answer 1

请尝试以下方法：

min(range(len(a)), key=lambda i: abs(a[i]-11.5))

例如：

>>> a = [25.75443, 26.7803, 25.79099, 24.17642, 24.3526, 22.79056, 20.84866, 19.49222, 18.38086, 18.0358, 16.57819, 15.71255, 14.79059, 13.64154, 13.09409, 12.18347, 11.33447, 10.32184, 9.544922, 8.813385, 8.181152, 6.983734, 6.048035, 5.505096, 4.65799]
>>> min(range(len(a)), key=lambda i: abs(a[i]-11.5))
16

或者获取索引和值：

>>> min(enumerate(a), key=lambda x: abs(x[1]-11.5))
(16, 11.33447)

Answer 2

import numpy as np

a = [25.75443, 26.7803, 25.79099, 24.17642, 24.3526, 22.79056, 20.84866, 19.49222, 18.38086, 18.0358, 16.57819, 15.71255, 14.79059, 13.64154, 13.09409, 12.18347, 11.33447, 10.32184, 9.544922, 8.813385, 8.181152, 6.983734, 6.048035, 5.505096, 4.65799]

index = np.argmin(np.abs(np.array(a)-11.5))
a[index] # here is your result

如果a已经是数组，则可以省略相应的转换。

Answer 3

怎么样：你压缩两个列表，然后对结果进行排序？

Answer 4

如果您无法对数组进行排序，则无法快速找到最近的项目 - 您必须遍历所有条目。

有一个解决方法，但它有相当多的工作：编写一个排序算法，对数组进行排序，并（同时）更新第二个数组，告诉你在数组排序之前这个条目的位置。

这样，您可以使用二进制搜索来查找最近条目的索引，然后使用此索引使用“索引数组”查找原始索引。

[编辑]使用zip() ，这很容易实现：

 array_to_sort = zip( original_array, range(len(original_array)) )
 array_to_sort.sort( key=i:i[0] )

现在您可以二进制搜索该值（使用item[0] ）。 item[1]会给你原始索引。

Answer 5

通过所有项目只是线性的。 如果你要对阵列进行排序会更糟糕。

我没有看到保持额外的deltax （到目前为止的最小差异）和idx （该元素的索引）的问题，只是循环一次通过列表。

Answer 6

请记住，如果空间不重要，您可以通过创建排序索引的辅助列表来对任何列表进行排序，而无需移动内容。

还要记住，如果你只是查看一次，那么你只需要遍历列表O（n）中的每个元素。 （如果多次，那么您可能希望以后进行排序以提高效率）

Answer 7

如果你经常搜索一个很长的列表，那么min刻度非常差（O（n ^ 2），如果你将一些搜索附加到搜索列表中，我认为）。

Bisect是你的朋友。 这是我的解决方案。 它缩放O（n * log（n））：

class Closest:
    """Assumes *no* redundant entries - all inputs must be unique"""
    def __init__(self, numlist=None, firstdistance=0):
        if numlist == None:
            numlist=[]
        self.numindexes = dict((val, n) for n, val in enumerate(numlist))
        self.nums = sorted(self.numindexes)
        self.firstdistance = firstdistance

    def append(self, num):
        if num in self.numindexes:
            raise ValueError("Cannot append '%s' it is already used" % str(num))
        self.numindexes[num] = len(self.nums)
        bisect.insort(self.nums, num)

    def rank(self, target):
        rank = bisect.bisect(self.nums, target)
        if rank == 0:
            pass
        elif len(self.nums) == rank:
            rank -= 1
        else:
            dist1 = target - self.nums[rank - 1]
            dist2 = self.nums[rank] - target
            if dist1 < dist2:
                rank -= 1
        return rank

    def closest(self, target):
        try:
            return self.numindexes[self.nums[self.rank(target)]]
        except IndexError:
            return 0

    def distance(self, target):
        rank = self.rank(target)
        try:
            dist = abs(self.nums[rank] - target)
        except IndexError:
            dist = self.firstdistance
        return dist

像这样使用它：

a = [25.75443, 26.7803, 25.79099, 24.17642, 24.3526, 22.79056, 20.84866,
     19.49222, 18.38086, 18.0358, 16.57819, 15.71255, 14.79059, 13.64154,
     13.09409, 12.18347, 1.33447, 10.32184, 9.544922, 8.813385, 8.181152,
     6.983734, 6.048035, 5.505096, 4.65799]
targets = [1.0, 100.0, 15.0, 15.6, 8.0]
cl = Closest(a)
for x in targets:
    rank = cl.rank(x)
    print("Closest to %5.1f : rank=%2i num=%8.5f index=%2i " % (x, rank,
        cl.nums[rank], cl.closest(x)))

将输出：

Closest to   1.0 : rank= 0 num= 1.33447 index=16
Closest to 100.0 : rank=25 num=26.78030 index= 1
Closest to  15.0 : rank=12 num=14.79059 index=12
Closest to  15.6 : rank=13 num=15.71255 index=11
Closest to   8.0 : rank= 5 num= 8.18115 index=20

和：

cl.append(99.9)
x = 100.0
rank = cl.rank(x)
print("Closest to %5.1f : rank=%2i num=%8.5f index=%2i " % (x, rank,
    cl.nums[rank], cl.closest(x)))

输出：

Closest to 100.0 : rank=25 num=99.90000 index=25