Индекс поиска элемента, ближайшего к значению в списке, который не полностью отсортирован

Ответ 1

Попробуйте следующее:

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

Например:

>>> 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

Или получить индекс и значение:

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

Ответ 2

Как насчет: вы застегиваете два списка, а затем сортируете результат?

Ответ 3

Если вы не можете отсортировать массив, тогда нет быстрого способа найти ближайший элемент - вам нужно перебирать все записи.

Существует обходное решение, но это довольно много работы: Напишите алгоритм сортировки, который сортирует массив и (в то же время) обновляет второй массив, который сообщает вам, где эта запись была до того, как массив был отсортирован.

Таким образом, вы можете использовать бинарный поиск для поиска индекса ближайшей записи, а затем использовать этот индекс для поиска исходного индекса, используя "индексный массив".

[EDIT] Используя zip(), это довольно просто:

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

Теперь вы можете выполнить двоичный поиск значения (используя item[0]). item[1] предоставит вам исходный индекс.

Ответ 4

Переход через все элементы только линейный. Если вы отсортируете массив, который будет хуже.

Я не вижу проблемы с сохранением дополнительного deltax (разница мин до сих пор) и idx (индекс этого элемента) и просто цикл через список.

Ответ 5

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

В случае, когда a уже является массивом, соответствующее преобразование может быть опущено.

Ответ 6

Имейте в виду, что если пространство не важно, вы можете сортировать любой список, не перемещая содержимое, создавая дополнительный список отсортированных индексов.

Также имейте в виду, что если вы делаете это, посмотрите только один раз, вам просто нужно будет пересечь каждый элемент в списке O (n). (Если несколько раз, то вы, вероятно, захотите сортировать для повышения эффективности позже)

Ответ 7

Если вы много раз выполняете поиск в длинном списке, то min очень плохо масштабируется (O (n ^ 2), я думаю, если вы добавите некоторые из своих запросов в список поиска).

Бисект твой друг. Здесь мое решение. Масштабируется 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

Используйте это так:

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)))

Будет выводить:

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

А:

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)))

Выход:

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