在Python中以3D查找最接近给定点的最快方法

Question

因此，可以说我在A中有10,000点，在B中有10,000点，并且想找出每个B点中A中最接近的点。

目前，我只是遍历B和A中的每个点，以找出距离最近的那个点。 即。

B = [(.5, 1, 1), (1, .1, 1), (1, 1, .2)]
A = [(1, 1, .3), (1, 0, 1), (.4, 1, 1)]
C = {}
for bp in B:
   closestDist = -1
   for ap in A:
      dist = sum(((bp[0]-ap[0])**2, (bp[1]-ap[1])**2, (bp[2]-ap[2])**2))
      if(closestDist > dist or closestDist == -1):
         C[bp] = ap
         closestDist = dist
print C

但是，我敢肯定有一种更快的方法来执行此操作...有什么想法吗？

Answer 1

我通常在这种情况下使用kd树 。

有一个用SWIG包装并与BioPython捆绑在一起的C ++实现 ，易于使用。

Answer 2

您可以使用一些空间查找结构。 一个简单的选择是八叉树 ； 更好的是BSP树 。

Answer 3

您可以使用numpy广播。 例如，

from numpy import *
import numpy as np

a=array(A)
b=array(B)
#using looping
for i in b:
    print sum((a-i)**2,1).argmin()

将打印2,1,0，分别是A中最接近B的1,2,3行的行。

否则，您可以使用广播：

z = sum((a[:,:, np.newaxis] - b)**2,1)
z.argmin(1) # gives array([2, 1, 0])

希望对您有所帮助。