[英]How to sum pairs of 2d arrays in list
我需要一个很好的解决方案来总结成对的二维向量。
我想总结point1和point2,point2和point3之间的距离......所以这必须对所有对完成(取决于点数)
a = np.array([[1, 1],[0, 0],[7, 9]])
permutations = [((1, 1), (0, 0), (7, 9)), ((1, 1), (7, 9), (0, 0)), ((0, 0), (1, 1), (7, 9))] ....
现在,在创建所有可能的排列之后,我想对距离求和,以指定哪个顺序是总体上最短的方式。 要获得点之间的距离,我使用:
def calcDistance(a, b):
d = np.linalg.norm(a-b)
return d
但我不知道如何将其应用于列表以获取每对点的距离。 我试图用for循环和切片来做到这一点。
for i in range(0, len(permutations), 3):
print(permutations[i:i+3])
作为测试它有效,但我不知道如何在列表中的每一对上应用 calc function 并再次总结以获得总距离。 排列都存储在一个列表中,所以我的想法是 go 在每次迭代的 n 元素(点/向量的数量)上。
对于 3 点 arrays 来说不是那么优雅,但 einsum 计算对于计算长度/距离很有用。 在这种情况下,只需使用您的输入坐标序列和之前推荐的创建点顺序的方法
import itertools
a = np.array([[1, 1],[0, 0],[7, 9]])
p0 = np.asarray(list(itertools.permutations(a, 3)))
def _cal(a):
"""Perform the calculation, mini-e_leng."""
diff = a[:-1] - a[1:]
return np.nansum(np.sqrt(np.einsum('ij,ij->i', diff, diff)))
[_cal(i) for i in p0]
[12.815967813364475,
21.40175425099138,
11.414213562373096,
21.40175425099138,
11.414213562373096,
12.815967813364475]
您可以使用max
找到每对相邻成员的最大差异。 此外,您可以使用itertools
生成排列:
import itertools
import numpy as np
a = [(1, 1),(0, 0),(7, 9)]
permutations = tuple(itertools.combinations(a,3))
print(permutations)
def calcDistance(a, b):
d = np.linalg.norm(np.asarray(a)-np.asarray(b))
return d
most_dist_permutation = max(permutations, key=lambda x:calcDistance(*x[0:2])+calcDistance(*x[1:3]))
print(most_dist_permutation)
(((1, 1), (0, 0), (7, 9)), ((1, 1), (7, 9), (0, 0)), ((0, 0), (1, 1), (7, 9)), ((0, 0), (7, 9), (1, 1)), ((7, 9), (1, 1), (0, 0)), ((7, 9), (0, 0), (1, 1))) ((1, 1), (7, 9), (0, 0))
跑:
import itertools
ss=list(itertools.permutations(np.arange(0,10), 2))
def calcDistance(a, b):
d = np.linalg.norm(a-b)
return d
[calcDistance(np.array(ss).T[0][i],np.array(ss).T[1][i]) for i in range(0,np.array(ss).shape[0])]
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.