使用numpy.linalg.norm()函数查找数组最近点的技术实现

我来分享一个用numpy.linalg.norm()函数在数组中查找最近点的实用方法，直接看代码和详细解释：

import numpy as np

def find_nearest_vector(array, value):
    # 计算每个点与目标点的差值向量的范数（欧氏距离），找到最小距离的索引
    idx = np.array([np.linalg.norm(x - value) for x in array]).argmin()
    return array[idx]

# 生成一个10行2列的随机数组，元素范围0-100
A = np.random.random((10,2))*100

代码逻辑说明 #

• array - value：对数组中的每个点和目标点执行逐元素减法，得到每个点相对于目标点的差值向量
• np.linalg.norm(x - value)：计算每个差值向量的欧氏距离（也就是两点间的直线距离）
• argmin()：找出距离最小的元素索引，最后返回数组中对应索引的点

示例数组A（随机生成，每次运行结果不同） #

array([[ 34.19762933, 43.14534123],
       [ 48.79558706, 47.79243283],
       [ 38.42774411, 84.87155478],
       [ 63.64371943, 50.7722317 ],
       [ 73.56362857, 27.87895698],
       [ 96.67790593, 77.76150486],
       [ 68.86202147, 21.38735169],
       [ 5.21796467, 59.17051276],
       [ 82.92389467, 99.90387851],
       [ 6.76626539, 30.50128714]])

内容的提问来源于stack exchange，提问作者Charlotte Sampiano