如果两点之间的距离小于某个阈值，则从列表中删除点

Question

我有一个点列表，并且仅当点之间的距离大于某个阈值时才想保留列表中的点。 因此，从第一点开始，如果第一点和第二点之间的距离小于阈值，那么我将移除第二点，然后计算第一点和第三点之间的距离。 如果该距离小于阈值，则比较第一点和第四点。 否则移动到第三和第四之间的距离，依此类推。

因此，例如，如果阈值为2并且我有

list = [1, 2, 5, 6, 10]

那我期望

new_list = [1, 5, 10]

谢谢！

Answer 1

这不是花哨的单行代码，但是如果当前值大于新列表中的最后一个值，则可以使用[-1]迭代列表中的值并将它们附加到新列表中：

lst = range(10)
diff = 3

new = []
for n in lst:
    if not new or abs(n - new[-1]) >= diff:
        new.append(n)

之后， new是[0, 3, 6, 9] 。

---

关于您的评论“如果我有一个坐标列表（x，y），该怎么办？”：在这种情况下，您做的事情完全一样，除了要不只是比较数字，还必须找到两点之间的欧几里得距离 。 因此，假设lst是(x,y)对的列表：

if not new or ((n[0]-new[-1][0])**2 + (n[1]-new[-1][1])**2)**.5 >= diff:

或者，您可以将(x,y)对转换为complex 。 对于这些，已经定义了基本操作，例如加，减和绝对值，因此您可以再次使用以上代码。

lst = [complex(x,y) for x,y in lst]

new = []
for n in lst:
    if not new or abs(n - new[-1]) >= diff:  # same as in the first version
        new.append(n)
print(new)

现在， new是代表点的复数列表： [0j, (3+3j), (6+6j), (9+9j)]

Answer 2

尽管tobias_k的解决方案有效，但这并不是最有效的解决方案（我认为，但我可能会忽略某些事情）。 它基于列表顺序，不认为与其他元素的最大数量接近（在阈值内）的元素应在解决方案中最后消除。 具有此类连接（或邻近）数量最少的元素应首先考虑并检查。 我建议的方法可能会允许保留给定列表中其他元素的超出指定阈值的最大点数。 这对于向量列表非常有效，因此适用于x，y或x，y，z坐标。 但是，如果您打算将此解决方案与标量列表一起使用，则可以在代码orig_list=np.array(orig_list)[:,np.newaxis].tolist()简单包含此行。

请参阅以下解决方案：

import numpy as np

thresh = 2.0

orig_list=[[1,2], [5,6], ...]

nsamp = len(orig_list)
arr_matrix = np.array(orig_list)
distance_matrix = np.zeros([nsamp, nsamp], dtype=np.float)

for ii in range(nsamp):
    distance_matrix[:, ii] = np.apply_along_axis(lambda x: np.linalg.norm(np.array(x)-np.array(arr_matrix[ii, :])),
                                                              1,
                                                              arr_matrix)


n_proxim = np.apply_along_axis(lambda x: np.count_nonzero(x < thresh),
                               0,
                               distance_matrix)

idx = np.argsort(n_proxim).tolist()
idx_out = list()

for ii in idx:
    for jj in range(ii+1):
        if ii not in idx_out:
            if self.distance_matrix[ii, jj] < thresh:
                if ii != jj:
                    idx_out.append(jj)

pop_idx = sorted(np.unique(idx_out).tolist(),
                 reverse=True)

for pop_id in pop_idx:
    orig_list.pop(pop_id)

nsamp = len(orig_list)