計算兩個 numpy 3D 點數組之間的最小距離的快速方法

Question

我想知道是否有一種快速方法可以計算 3D numpy 數組（ A [N,3] ）的所有點與第二個 3D numpy 數組（ B [M,3] ）的所有點之間的歐幾里得距離。

然后我應該得到一個數組C ，它是[N, M]從數組A的點到數組B點的所有距離，然后沿着指定的軸使用np.min()來獲得從集合A點到的所有最小距離集合B點。

到目前為止，這是我完成實施的方式：

distances = np.repeat(9999, len(A))
for i, point in enumerate(A):
  min_distance = np.min(np.sqrt(np.sum(np.square(point - B), axis=1)))
  distances[i] = min_distance

有沒有辦法擺脫for循環......？

提前致謝 ：）

Answer 1

如果 scipy 方法不起作用，或者您確實有其他原因，這里有一個 numpy 方法-

import numpy as np


x = np.random.random((200, 3))
y = np.random.random((100,3))

x = x.reshape((-1, 1, 3))                 # [200x1x3]
y = np.expand_dims(y, axis=0)             # [1x100x3]
y = y.repeat(x.shape[0], axis=0)          # [200x100x3]

distance = np.linalg.norm(y-x, axis=2)    # Difference is [200x100x3] and norm results in [200x100]

Answer 2

import numpy as np

# arrays with xyz coordinates of all points 
a = np.asarray([[xa1,ya1,za1],...,[xan,yan,zan]])
b = np.asarray([[xb1,yb1,zb1],...,[xbn,ybn,zbn]])

# reshaping to be able to calculate the distance matrix
a_reshaped = a.reshape(a.shape[0], 1, 3)
b_reshaped = b.reshape(1, b.shape[0], 3)

"""calculation of all distances between all points  - creates a 
len(a) x len(b) matrix""" 
distance = np.sqrt(np.sum((a_reshaped - b_reshaped)**2, axis=2))