如何用NumPy定位矩阵中离给定点最近的点？排查代码问题

你的代码逻辑方向是对的，但无法运行大概率是以下几个原因之一：

• 未导入NumPy库：代码里用到np.asarray、np.linalg.norm等方法，但如果开头没写import numpy as np，会直接抛出NameError。
• data未转为NumPy数组：你给出的data示例是NumPy数组格式，但如果实际代码里data只是普通Python列表（比如[[3,4], [10,4], [1,3], [5,8]]），np.subtract会因为形状不匹配报错，需要先将data转为NumPy数组。
• 变量x/y未定义：如果直接写[x, y]但没给x、y赋值，会抛出NameError，测试时需要先给x、y设置具体数值，比如x=2, y=3。

另外，你的代码本身可以正常工作，但有个优化点：欧氏距离的开根号操作不影响argmin的结果（根号是单调递增函数），直接计算距离平方能提升效率，避免不必要的计算：

import numpy as np

# 确保data是NumPy数组
data = np.array([[3,4], [10,4], [1,3], [5,8]])
# 定义目标点的坐标
x, y = 2, 3
point = np.asarray([x, y])

# 计算距离平方的最小值索引
closest_pt_idx = np.argmin(np.sum((data - point)**2, axis=1))
print(closest_pt_idx)  # 输出2，对应data中的[1,3]，是离(2,3)最近的点

如果坚持使用np.linalg.norm，修正后的完整代码如下：

import numpy as np

data = np.array([[3,4], [10,4], [1,3], [5,8]])
x, y = 2, 3
point = np.asarray([x, y])

closest_pt_idx = np.argmin(np.linalg.norm(data - point, axis=1))
print(closest_pt_idx)  # 同样输出2

你可以对照检查自己的代码是否存在上述问题，比如是否导入库、data是否转为数组、x/y是否赋值。

内容的提问来源于stack exchange，提问作者cercio