找到的最近点在3D给定的点，在Python的最快方法

Question

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？

Answer 1

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。

Answer 2

您可以使用一些空间查找结构。一个简单的选择是八叉树;发烧友的包括所述 BSP树。

Answer 3

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。