我是一名有用的助手，可以为您翻译文本。
我有两个numpy数组，如 X=[x1,x2,x3,x4], y=[y1,y2,y3,y4]。其中三个元素是接近的，而第四个元素可能接近也可能不接近。
例如：
X [ 84.04467948 52.42447842 39.13555678 21.99846595]
y [ 78.86529444 52.42447842 38.74910101 21.99846595]
X [ 84.04467948 60 52.42447842 39.13555678]
y [ 78.86529444 52.42447842 38.74910101 21.99846595]
y[0] 对应 X[0],y[1] 对应 X[1],y[2] 对应 X[2],y[3] 对应 X[3]y[0] 对应 X[0],y[1] 对应 X[2],y[2] 对应 X[3] ，y [3] 对应X [1]。您可以按照此答案中所示的方式预计算距离矩阵：
import numpy as np
X = np.array([84.04467948,60.,52.42447842,39.13555678])
Y = np.array([78.86529444,52.42447842,38.74910101,21.99846595])
dist = np.abs(X[:, np.newaxis] - Y)
现在你可以沿着一个轴计算最小值（我选择了1，对应于找到每个X的最近元素Y）：
potentialClosest = dist.argmin(axis=1)
这仍然可能包含重复项（在您的情况下为2）。要检查这一点，您可以通过使用np.unique查找potentialClosest中出现的所有Y索引：
closestFound, closestCounts = np.unique(potentialClosest, return_counts=True)
closestFound.shape[0] == X.shape[0]来检查重复项。如果是这样，那么potentialClosest将包含每个元素在X中的伴侣。但在您的情况2中，一个元素会出现两次，因此closestFound将只有X.shape[0]-1个元素，而closestCounts不仅包含1，还有一个2。对于所有计数为1的元素，其伴侣已经找到。对于计数为2的两个候选者，您需要选择更接近的一个，而距离较大的那个的伴侣将是Y中不在closestFound中的那个元素。可以使用以下方法找到它：missingPartnerIndex = np.where(
np.in1d(np.arange(Y.shape[0]), closestFound)==False
)[0][0]
numpy）。这个解决方案相当丑陋，但是有效。非常欢迎任何改进建议。partners = np.empty_like(X, dtype=int)
nonClosePartnerFound = False
for i in np.arange(X.shape[0]):
if closestCounts[closestFound==potentialClosest[i]][0]==1:
# A unique partner was found
partners[i] = potentialClosest[i]
else:
# Partner is not unique
if nonClosePartnerFound:
partners[i] = potentialClosest[i]
else:
if np.argmin(dist[:, potentialClosest[i]]) == i:
partners[i] = potentialClosest[i]
else:
partners[i] = missingPartnerIndex
nonClosePartnerFound = True
print(partners)
只有一个元素对不是紧密的时，这个答案才适用。如果不是这种情况，您需要定义如何找到多个非紧密元素的正确配对。不幸的是，这既不是非常通用的解决方案，也不是非常好的解决方案，但希望您能将其作为有用的起点。
def find_closest(alist, target):
return min(alist, key=lambda x:abs(x-target))
X = [ 84.04467948, 52.42447842, 39.13555678, 21.99846595]
Y = [ 78.86529444, 52.42447842, 38.74910101, 21.99846595]
def list_matching(list1, list2):
list1_copy = list1[:]
pairs = []
for i, e in enumerate(list2):
elem = find_closest(list1_copy, e)
pairs.append([i, list1.index(elem)])
list1_copy.remove(elem)
return pairs
看起来最好的方法是预先对两个数组进行排序（n log(n)），然后通过类似于归并的遍历方式遍历两个数组。这肯定比你在评论中提到的 n*n 更快。
X1 = [84.04467948, 52.42447842, 39.13555678, 21.99846595]
Y1 = [78.86529444, 52.42447842, 38.74910101, 21.99846595]
X2 = [84.04467948, 60, 52.42447842, 39.13555678]
Y2 = [78.86529444, 52.42447842, 38.74910101, 21.99846595]
def find_closest(x_array, y_array):
# Copy x_array as we will later remove an item with each iteration and
# require the original later
remaining_x_array = x_array[:]
for y in y_array:
differences = []
for x in remaining_x_array:
differences.append(abs(y - x))
# min_index_remaining is the index position of the closest x value
# to the given y in remaining_x_array
min_index_remaining = differences.index(min(differences))
# related_x is the closest x value of the given y
related_x = remaining_x_array[min_index_remaining]
print 'Y[%s] corresponds to X[%s]' % (y_array.index(y), x_array.index(related_x))
# Remove the corresponding x value in remaining_x_array so it
# cannot be selected twice
remaining_x_array.pop(min_index_remaining)
find_closest(X1,Y1)
Y[0] corresponds to X[0]
Y[1] corresponds to X[1]
Y[2] corresponds to X[2]
Y[3] corresponds to X[3]
并且
find_closest(X2,Y2)
Y[0] corresponds to X[0]
Y[1] corresponds to X[2]
Y[2] corresponds to X[3]
Y[3] corresponds to X[1]
x和所有y项之间的最小差异。获取总体最小差异的那个，将它们各自的项目弹出它们的列表并重复。一个递归函数。 - Ma0