在字典中查找最接近的值

Question

我有一個字典， T ，鍵形式為k,i的關聯值為實數（浮點數）。 假設我從字典T選擇一個具有相應值V1的特定鍵a,b ，對於形式為a+1,i的鍵，找到最接近V1值是最有效的方法，其中i是一個整數范圍從0到n？ （ k ， a和b也是整數。）為了在T的項的值上添加一個條件，隨着密鑰中的i增加，與T[a+1,i]相關聯的值嚴格增加（即T[a+1,i+1] > T[a+1,i] ）。

我打算簡單地運行一個從i = 0開始的while循環，並將值T[a+1,i]與V1 。 更清楚的是，循環將簡單地停在np.abs(T[a+1,i] - V1) < np.abs(T[a+1,i+1] - V1) ，如我知道與T[a+1,i]相關的項目最接近T[a,b] = V1 。 但是考慮到我強加的嚴格條件，是否有一種比運行迭代字典元素的while循環更有效的方法？ i將從0到n，其中n可以是數百萬的整數。 此外，這個過程會經常重復，因此效率是關鍵。

Answer 1

由於給定a的值隨着連續的i值嚴格增加，因此您可以對最接近目標的值進行二進制搜索。

雖然您可以在字典上編寫自己的二進制搜索代碼，但我懷疑您可以更輕松地使用不同的數據結構。 如果您使用嵌套列表（其中a作為外部列表的索引，而i作為內部列表的索引），則可以使用bisect模塊有效地搜索內部列表。

Answer 2

import numpy as np

target_value = 0.9 
dict = {(1, 2): 0, (4, 3): 1}

k = list(dict.keys())
v = np.array(list(dict.values()))
dist = abs(v - target_value)
arg = np.argmin(dist)
answer = k[arg]

print(answer)

Answer 3

我建議使用bisect模塊。

import bisect
import numpy as np


t = np.array([[1.1, 2.0, 3.7],
              [3.5, 5.6, 7.8],
              [2.5, 3.4, 10.0]])


def find_closest(t, a, i):
    """
    >>> find_closest(t, 0, 2)
    (1, 0)
    """
    v = t[a, i]
    b_index = bisect.bisect_right(t[a + 1], v)
    try:
        if t[a + 1][b_index] - v > t[a + 1][b_index - 1] - v:
            b_index -= 1
    except IndexError:
        pass
    return a + 1, b_index