searchsorted只适用于已排序数组，因其基于单调性实现二分查找；未排序时静默返回错误位置而非报错；常与np.sort联用定位索引，时间复杂度O(log n)，支持left/right控制相等时的插入倾向。
searchsorted 为什么只适用于已排序数组
searchsorted 不是通用查找函数，它依赖数组单调性做二分查找。如果输入数组未排序，返回结果完全不可信——不是报错，而是静默给出错误位置。
- 常见错误现象：
np.searchsorted(arr, 5)返回2，但arr[2]实际是9，而5其实根本不在数组里 - 使用场景：配合
np.sort预处理后的索引定位，比如“在累计和数组中找第 N 个事件发生的位置” - 性能影响：O(log n) 查找 vs O(n) 线性扫描，100 万元素时快约 100 倍
left 和 right 参数决定插入点语义
searchsorted 返回的是“若插入目标值，应放在哪个索引”，side 参数控制相等时的倾向：用 left 得到第一个 ≥ 目标的位置，用 right 得到最后一个
- 典型用途：
np.searchsorted(times, t, side='right') - 1可快速定位t所属的时间段左边界索引 - 参数差异：
side='left'对重复值返回首个匹配下标；side='right'对重复值返回末尾后一位 - 容易踩的坑：直接用
arr[idx]取值前，必须确认idx没越界（尤其当目标比所有元素都大/小时）
多维数组不能直接用 searchsorted
searchsorted 只接受一维 ndarray。传入二维数组会报错 ValueError: object of too small depth for desired array，而不是自动展平或按轴处理。
macOS UI 自动化技能包 —— 用 Python 控制你的 Mac
下载
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
- 正确做法：先用
arr.ravel()或arr.flatten()转一维，再查；若需保留结构，得手动循环或用np.apply_along_axis - 兼容性注意：
np.searchsorted不支持axis参数，别试图模仿np.argmax(axis=1)的写法 - 替代方案：对每行单独调用，例如
[np.searchsorted(row, x) for row in arr]，但要注意 Python 循环开销
searchsorted 和 where / argmax 混用时的陷阱
有人想“先用 searchsorted 缩小范围，再用 np.where 精准匹配”，这反而更慢且易出错——searchsorted 本身不保证目标存在，而 where 是全量扫描。
立即学习“Python免费学习笔记（深入）”；
- 真实需求判断：要“找是否存在” → 用
np.isin或np.any(arr == x)；要“找插入位置” → 用searchsorted；要“找所有匹配索引” → 用np.where - 性能对比：对已排序数组，
searchsorted+ 边界检查比np.where快两个数量级；但若只是查一次是否相等，np.any(arr == x)更直观安全 - 容易忽略的细节：浮点数比较时，
searchsorted按原始值比，不自动容差；需先用np.round或np.isclose预处理
事情说清了就结束
