最接近值的元素（Elementwise，numpy 数组）

Question

我曾经使用min([a, b], key=lambda x:abs(x-x0))来查找a和b中哪个最接近x0。

a = 1
b = 2
x0 = 1.49
print(min([a, b], key=lambda x:abs(x-x0)))
# >>> 1

现在，a 和 b 是具有任意维数的 numpy 数组。我想在两个数组之间逐个元素地构建一个由最接近 x0 的值组成的数组。

import numpy as np

a = np.array([[1, 2], [3, 5]])
b = np.array([[6, 2], [6, 2]])

## case 1
x0 = 4
# >>> should return np.array([[6, 2], [3, 5]])

## case 2
x0 = np.array([[1, 2], [3, 4]])
# >>> should return np.array([[1, 2], [3, 5]])

要找到两个数组之间的元素最小值，我们可以使用 numpy.minimum。不幸的是，它没有将 lambda 函数作为参数。

我该怎么办？

Answer 1

这是您要找的吗？

np.where(np.abs(a - x0) < np.abs(b - x0), a, b)

Answer 2

numpy不支持按键功能。一种可能的解决方法是将距离存储在单独的数组中，并使用 np.argmin 确定最小距离的索引。 4D 点示例：

points = np.array([[0, 0.1, 0.2, 0.3], [3, 4, 5, 5], [6, 4.5, 1, 1]])
x0 = [3, 0.5, 5, 5]
distances = np.sum((points - x0)**2, axis=1)
output = points[np.argmin(distances)]

输出：

array([3., 4., 5., 5.])

最接近值的元素（Elementwise，numpy 数组）

Closest element to a value (Elementwise, numpy array)

python

numpy

min

minimum

closest