modo più veloce per trovare il punto più vicino ad un dato punto in 3D, in Python
Domanda
Quindi, consente di dire che ho 10.000 punti in A e 10.000 punti in B e voglio scoprire il punto più vicino in A per ogni punto B.
Al momento, ho semplicemente scorrere ogni punto B e A per trovare che uno è più vicino della distanza. vale a dire.
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
Tuttavia, sono sicuro che ci sia un modo più veloce per fare questo ... tutte le idee?
Soluzione
Io di solito uso un kd-tree in tali situazioni.
C'è un C ++ implementazione avvolto con SWIG e in bundle con Biopython che è facile da utilizzare.
Altri suggerimenti
Si potrebbe usare un po 'di struttura di ricerca spaziale. Un'opzione semplice è un octree ; quelli più elaborati sono il albero BSP .
Si potrebbe utilizzare la trasmissione NumPy. Ad esempio,
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()
stamperà 2,1,0 quali sono le righe di una che più si avvicinano alle 1,2,3 righe di B, rispettivamente.
In caso contrario, è possibile utilizzare la trasmissione:
z = sum((a[:,:, np.newaxis] - b)**2,1)
z.argmin(1) # gives array([2, 1, 0])
Mi auguro che aiuta.