Esta resposta explica como encontrar o elemento de matriz mais próximo (classificado) de umponto único, de maneira eficiente para matrizes grandes (ligeiramente 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

Se, em vez disso, queremos encontrar os elementos da matriz mais próximos de umconjunto de pontos (isto é, uma segunda matriz); existem maneiras eficientes (por velocidade, para matrizes grandes) de estender isso além de usar um loop for?

Alguns casos de teste:

>>> 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: supondo que ambas as matrizes sejam classificadas, você pode fazer umpouco melhor que umcompletamente loop for ingênuo, excluindo valores abaixo daqueles já correspondentes, ou seja,

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