Question

我有两个整数向量，对于第二个向量的每个元素，我想找到第一个向量的任何元素的最小距离 - 例如

obj1 <- seq(0, 1000, length.out=11)
obj2 <- 30:50
min_diff <- sapply(obj2, function(x) min(abs(obj1-x)))
min_diff

返回

[1] 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50

有更有效的方法吗？我想把它扩展到数千（数百万？）的obj1＆amp; OBJ2。

谢谢，亚伦

Answer 1

我会使用在第一个向量上排序的步进函数。这将避免循环，并且在R中非常快。

x <- rnorm(1000)
y <- rnorm(1000)
sorted.x <- sort(x)
myfun <- stepfun(sorted.x, 0:length(x))

现在myfun(1)会为您提供sorted.x的最大元素的索引，其值小于1。就我而言，

> myfun(1)  
[1] 842
> sorted.x[842]
[1] 0.997574
> sorted.x[843]
[1] 1.014771

因此，您知道最接近的元素是sorted.x[myfun(1)]或sorted.x[myfun(1) + 1]。因此（和填充为0），

indices <- pmin(pmax(1, myfun(y)), length(sorted.x) - 1)
mindist <- pmin(abs(y - sorted.x[indices]), abs(y - sorted.x[indices + 1]))

Answer 2

首先排序obj1

然后你可以在obj1中为obj2的每个元素进行二进制搜索。知道元素的位置，你可以比较obj1附近两个元素的距离，给你最小距离。

运行时（其中n1 = | obj1 |和n2 = | obj2 |）：（n1 + n2）log（n1）

Answer 3

要回复J. Chang：感谢您提供功能强大且快速的解决方案。

为了使用您的4行代码，我需要找到的最小差异（以检查是否可接受）：

min_diff.val = min(mindist)

这是我几年后才注意到的“愚蠢”错误。我想选择差值较小的值...我敢打赌，您会看到它的到来。

min_diff.idx = which.min(mindist)
sorted.x[indices[min_diff.idx]]

当心理检查者同时检查sorted.x [indices]和sorted.x [indices + 1]时，它们对idx可能会造成混淆，因为两个比较的索引都相同

例：如果指数是55,56
心理医生将检查55,56（指数）和56,57（指数+1）
如果心理医生发现最小值为56，但在指数+1（56）之内，57
有没有办法保存正确的索引？