如何获得具有容差的两个 numpy 数组的相似元素

Question

我想比较两个不同 numpy 数组 A 和 B 的列中的值。更具体地说，A 包含来自真实实验的值，我想将其与 B 的第三列中给出的理论值相匹配。

没有完美匹配，因此我必须使用容差，例如0.01。对于 A 中的每个值，我预计 B 中相对于所选公差有 0 到 20 个匹配项。因此，我希望 B 中的那些行在 A 中的值的公差范围内。

更具体地说，这里是一个例子：

A = array([[  2.83151742e+02,   a0],
   [  2.83155339e+02,   a1],
   [  3.29241719e+02,   a2],
   [  3.29246229e+02,   a3]])


B = array([[ 0, 0,  3.29235519e+02, ...],
   [ 0, 0,  3.29240819e+02, ...],
   [ 0, 0,  3.29241919e+02, ...],
   [ 0, 0,  3.29242819e+02, ...]])

所以这里 B 的所有值都将匹配 A[3,0] 和 A[4,0]，容差为 0.02。

我的首选结果是 C[:,0] 中 A 的匹配值以及 C[:,1] 中 C[:,0] 和 C[:,2] 之间的差异：

C = array([[ 3.29241719e+02, c0,  3.29235519e+02, ...],
   [ 3.29241719e+02, c1,  3.29240819e+02, ...],
   [ 3.29241719e+02, c2,  3.29241919e+02, ...],
   [ 3.29241719e+02, c3,  3.29242819e+02, ...]
   [ 3.29242819e+02, c4,  3.29235519e+02, ...],
   [ 3.29242819e+02, c5,  3.29240819e+02, ...],
   [ 3.29242819e+02, c6,  3.29241919e+02, ...],
   [ 3.29242819e+02, c7,  3.29242819e+02, ...]])

通常，A 的形状为 (500, 2)，B 的形状为 (300000, 11)。我可以用 for 循环解决它，但它需要很长时间。

这种比较最有效的方法是什么？

Answer 1

我想会是这样的

i = np.nonzero(np.isclose(A[:,:,None], B[:, 2]))[-1]

np.isclose 接受几个不同的公差参数。

B 中接近 A 值的值将是 B[i, 2]