Esta respuesta explica cómo encontrar el elemento de matriz más cercano (ordenado) a unpunto único, de manera eficiente para matrices grandes (ligeramente modificadas):

def arg_nearest(array, value):
    idx = np.searchsorted(array, value, side="left")
    if idx > 0 and (idx == len(array) or math.fabs(value - array[idx-1]) < math.fabs(value - array[idx])):
        return idx-1
    else:
        return idx

Si, en cambio, queremos encontrar los elementos de la matriz más cercanos aconjunto de puntos (es decir, una segunda matriz); ¿existen formas eficientes (por velocidad, para matrices grandes) de extender esto además de usar un bucle for?

Algunos casos de prueba:

>>> xx = [0.2, 0.8, 1.3, 1.5, 2.0, 3.1, 3.8, 3.9, 4.5, 5.1, 5.5]
>>> yy = [1, 2, 3, 4, 5]
>>> of_x_nearest_y(xx, yy)
[0.5, 2.0, 3.1, 3.9, 5.1]

>>> xx = [0.2, 0.8, 1.3, 1.5, 2.0, 3.1, 3.8, 3.9, 4.5, 5.1, 5.5]
>>> yy = [-2, -1, 4.6, 5.8]
>>> of_x_nearest_y(xx, yy)
[0.2, 0.2, 4.5, 5.5]

Editar: suponiendo que ambas matrices estén ordenadas, puede hacer unpequeño mejor que uncompletamente ingenuo for-loop excluyendo valores por debajo de los ya coincidentes, es decir

def args_nearest(options, targets):
    locs = np.zeros(targets.size, dtype=int)
    prev = 0
    for ii, tt in enumerate(targets):
        locs[ii] = prev + arg_nearest(options[prev:], tt)
        prev = locs[ii]
    return locs