[英]Fastest way to find the closest point to a given point in 3D, in Python
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?
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。
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。
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.