求一多维数组接近的算法。

dahe_1984

RT A=[3, -1, 4] B = numpy.array([1,1,1],                            [1,-1,1],                            [1,1, -1]) A 在数组B中最接近的是 [1, -1, 1]， 比较条件：正负的权重大于加减，这句话说明白了吧。 B1 = numpy.array([1,1,1],                            [1,-1,1],                            [1,1, -1],                            [3,1,4])     结果还是[1,-1,1]。因为加减没有全匹配到。 数字中没有0.

523066680

1. my $A = [3, -1, 4];
   
2. 
   
3. my $B = [
   
4.     [1, 1, 1],
   
5.     [1,-1, 1],
   
6.     [2,-1, 3],
   
7.     [1, 1,-1],
   
8.     [3, 1, 4]
   
9.    ];
   
10. 
    
11. # 估值
    
12. my @esta;
    
13. my @estb;
    
14. my $e_a;
    
15. my $e_b;
    
16. 
    
17. for my $subset ( @$B )
    
18. {
    
19.     $e_a = 0;
    
20.     $e_b = 0;
    
21.     for my $id ( 0 .. $#$A )
    
22.     {
    
23.         $e_a ++ if ( $subset->[$id] / $A->[$id] < 0 );   # 若正负相反，估值变大
    
24.         $e_b += ($subset->[$id] - $A->[$id])**2;         # 分量距离作为估值
    
25.     }
    
26. 
    
27.     push @esta, $e_a;
    
28.     push @estb, sqrt($e_b);
    
29. }
    
30. 
    
31. # 显示各组估值情况
    
32. for my $id ( 0..$#esta )
    
33. {
    
34.     printf "%4.1f %4.1f %4.1f  ", @{$B->[$id]};
    
35.     printf "esta: %d estb: %.3f\n", $esta[$id], $estb[$id];
    
36. }
    
37. 
    
38. # 分级排序，正负估值优先，向量距离其次
    
39. my @order=
    
40.     sort
    
41.     {
    
42.         $esta[$a] <=> $esta[$b] ||
    
43.         $estb[$a] <=> $estb[$b]
    
44.     } ( 0 .. $#esta );
    
45. 
    
46. my $best = $order[0];
    
47. 
    
48. # 结果
    
49. printf "\nBest: %s\n", join(", ", @{ $B->[$best] } );
    

复制代码

2, -1, 3 是自己加上去的。

1.0  1.0  1.0  esta: 1 estb: 4.123
1.0 -1.0  1.0  esta: 0 estb: 3.606
2.0 -1.0  3.0  esta: 0 estb: 1.414
1.0  1.0 -1.0  esta: 2 estb: 5.745
3.0  1.0  4.0  esta: 1 estb: 2.000

Best: 2, -1, 3

laputa73

这个需求还是说不清,
[-1,-1,1]和[1,-1,-1]哪个更接近?  如果没有正好匹配的,哪个更接近?
[1,-1,1]和[2,-2,1]哪个更接近?   正负匹配, 加减也一样,怎么算?

dahe_1984

回复 2# laputa73

看来是我没说清楚。重点考虑正负，没有没有正负，返回没有匹配到，匹配到正负后，算出最接近得

dahe_1984

回复 2# 523066680

多多感谢

dahe_1984

A = np.array([3,-1, 4])

B = np.array([[1,1,1],[1,-1,1],[1,1,-1]])

# distances array-wise
np.abs(B - A)

# sum of absolute values of distances (smallest is closest)
np.sum(np.abs(B - A), axis=1)

# index of smallest (in this case index 1)
np.argmin(np.sum(np.abs(B - A), axis=1))

# all in one line (take array 1 from B)
result = B[np.argmin(np.sum(np.abs(B - A), axis=1))]