找到的最近点在3D给定的点,在Python的最快方法
题
因此,可以说我已经在10000点和10000点B和希望找出一种每个点B的最近点。
目前,我通过简单地在B和A的每一点循环找到哪一个是在距离接近。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
不过,我肯定有一个更快的方法来做到这一点...任何想法?
解决方案
我通常使用 kd树在这种情况下。
有一个 C ++实现包裹与SWIG并用BioPython ,很容易使用捆绑在一起。
其他提示
您可以使用numpy的广播。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这是在一个,分别是最接近的1,2,3-行B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])
我希望有所帮助。
不隶属于 StackOverflow