如何使用向量化从数组中选择最接近数组中值的值？

我有一个值数组，我想根据线性最接近的选择从一系列选择中替换这些值。

问题是选择的大小是在运行时定义的。

import numpy as np
a = np.array([[0, 0, 0], [4, 4, 4], [9, 9, 9]])
choices = np.array([1, 5, 10])

如果选择的大小是静态的，我会简单地使用 np.where

d = np.where(np.abs(a - choices[0]) > np.abs(a - choices[1]), 
      np.where(np.abs(a - choices[0]) > np.abs(a - choices[2]), choices[0], choices[2]),
         np.where(np.abs(a - choices[1]) > np.abs(a - choices[2]), choices[1], choices[2]))

获取输出：

>>d
>>[[1, 1, 1], [5, 5, 5], [10, 10, 10]]

有没有一种方法可以更动态地执行此操作，同时仍然保留矢量化。

从中减去选择a，找到结果最小值的索引，代入。

a = np.array([[0, 0, 0], [4, 4, 4], [9, 9, 9]])
choices = np.array([1, 5, 10])
b = a[:,:,None] - choices
np.absolute(b,b)
i = np.argmin(b, axis = -1)
a = choices[i]
print a

>>> 
[[ 1  1  1]
 [ 5  5  5]
 [10 10 10]]

a = np.array([[0, 3, 0], [4, 8, 4], [9, 1, 9]])
choices = np.array([1, 5, 10])
b = a[:,:,None] - choices
np.absolute(b,b)
i = np.argmin(b, axis = -1)
a = choices[i]
print a

>>>    
[[ 1  1  1]
 [ 5 10  5]
 [10  1 10]]
>>> 

额外的维度被添加到a使得每个元素choices将从每个元素中减去a. choices was 播送 https://docs.scipy.org/doc/numpy/user/basics.broadcasting.html反对a在三维空间中，这个链接有一个不错的图形 http://www.scipy-lectures.org/intro/numpy/operations.html#broadcasting. b.shape是 (3,3,3)。Erics广播文档 https://scipy.github.io/old-wiki/pages/EricsBroadcastingDoc是一个很好的解释，最后有一个图形 3D 示例。

对于第二个例子：

>>> print b
[[[ 1  5 10]
  [ 2  2  7]
  [ 1  5 10]]

 [[ 3  1  6]
  [ 7  3  2]
  [ 3  1  6]]

 [[ 8  4  1]
  [ 0  4  9]
  [ 8  4  1]]]
>>> print i
[[0 0 0]
 [1 2 1]
 [2 0 2]]
>>> 

最终作业使用索引数组 https://docs.scipy.org/doc/numpy/user/basics.indexing.html#index-arrays or 整数数组索引 https://docs.scipy.org/doc/numpy/reference/arrays.indexing.html.

在第二个示例中，请注意有一个tie对于元素a[0,1]，可以替换一个或五个。