組織3d點並通過與位置的距離找到它們

Question

我在3D環境中工作。 我在此空間中有一些對象，它們由x，y，z位置表示。

# My objects names (in my real context it's pheromone "point")
A = 1
B = 2
C = 3
D = 4

# My actual way to stock their positions
pheromones_positions = {
    (25, 25, 60): [A, D],
    (10, 90, 30): [B],
    (5, 85, 8): [C]
}

我的目標是找到給定位置附近（隨距離）的點（信息素）。 我這樣做很簡單：

def calc_distance(a, b):
    return sqrt((a[0]-b[0])**2+(a[1]-b[1])**2+(a[2]-b[2])**2)

def found_in_dict(search, points, distance):
    for point in points:
        if calc_distance(search, point) <= distance:
            return points[point]

founds = found_in_dict((20, 20, 55), pheromones_positions, 10)
# found [1, 4] (A and D)

但是，由於存在大量的信息素，因此非常慢（一個接一個地測試它們...）。 如何組織這些3D位置以更快地找到“距給定位置的距離的位置”？ 是否存在可以通過這種方式幫助我的算法或庫（numpy？）？

Answer 1

您應該一次計算所有（平方）距離。 使用NumPy，您可以簡單地從所有位置坐標的（nx3）數組中減去大小為1x3的目標點，並對平方差進行平方和，以獲得包含n個元素的列表：

squaredDistances = np.sum((np.array(pheromones_positions.keys()) - (20, 20, 55))**2, axis=1)
idx = np.where(squaredDistances < 10**2)[0]
print pheromones_positions.values()[idx]

輸出：

[1, 4]

---

順便說一句：由於return語句在所有點的for循環內，因此它將在找到第一個點后停止迭代。 因此，您可能會錯過第二場或第三場比賽。