根据另一个数组的索引和另一个数组的值查找数组的最小值

Question

我有一个名为 dist 的方形数组，其大小为 n x n，一个名为 particion 的向量，大小为 m<n，索引从 0 到 n，另一个名为 incidencia，大小为 m。一切都使用 NumPy 存储。

我想要找到的是 dist 的最小值受两个条件约束并将参数捕获为向量。这是从 C++ 翻译成 python:

的粗略代码

num = len(particion)
a = [100] * 2
mini = dist_max
for i in range(num):
    pi = particion[i]
    for j in range(num):
        pj = particion[j]
        if (dist[pi,pj] <= mini) & ((incidencia[i] < 2) & (incidencia[j] < 2)):
            mini = dist[pi][pj]
            a[0] = i
            a[1] = j

我觉得这不是找到最小值的最佳方法，因为即使在 C++ 中，此函数也需要花费太多时间来计算。有没有更好的办法？更 "python-eske" 的方式？

Answer 1

我不知道你实际数据的范围，所以我生成了一些随机数据。

from random import randrange

m, n = 100, 200

dist = [[i+j for j in range(n)] for i in range(n)]
part = [randrange(n) for k in range(m)]
inci = [randrange(9) for k in range(m)]

# keep only items in `part` where corresponding `inci` value < 2
part = [p for p,i in zip(part, inci) if i < 2]

# check dist for all couples in `part` and extract minimal value
d = min(dist[pi][pj] for pi in part for pj in part)

此代码仅给出最小距离。如果您还需要达到最小值的索引，最好切换到 numpy 并使用它提供的 argmin 函数。

根据另一个数组的索引和另一个数组的值查找数组的最小值

Finding the minimum value of an array subject to an index of another array and values from another one

python

arrays

minimum