在Python中以3D查找最接近給定點的最快方法

Question

因此，可以說我在A中有10,000點，在B中有10,000點，並且想找出每個B點中A中最接近的點。

目前，我只是遍歷B和A中的每個點，以找出距離最近的那個點。 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，我敢肯定有一種更快的方法來執行此操作...有什么想法嗎？

Answer 1

我通常在這種情況下使用kd樹 。

有一個用SWIG包裝並與BioPython捆綁在一起的C ++實現 ，易於使用。

Answer 2

您可以使用一些空間查找結構。 一個簡單的選擇是八叉樹 ； 更好的是BSP樹 。

Answer 3

您可以使用numpy廣播。 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()

將打印2,1,0，分別是A中最接近B的1,2,3行的行。

否則，您可以使用廣播：

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

希望對您有所幫助。