首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >如何对列表中的二维数组对求和

问如何对列表中的二维数组对求和
EN

Stack Overflow用户
提问于 2019-10-31 04:29:57
回答 3查看 60关注 0票数 1

我需要一个很好的解决方案来求和成对的二维向量。

我想总结一下point1和point2,point2和point3之间的距离...因此,必须对所有对进行此操作(取决于点数)。

代码语言:javascript
复制
a = np.array([[1, 1],[0, 0],[7, 9]])
permutations = [((1, 1), (0, 0), (7, 9)), ((1, 1), (7, 9), (0, 0)), ((0, 0), (1, 1), (7, 9))] ....

现在,在创建了所有可能的排列之后,我想对距离求和,以便指定哪个顺序总体上是最短的方式。要获得To点之间的距离,我使用:

代码语言:javascript
复制
    def calcDistance(a, b):
        d = np.linalg.norm(a-b)
        return d

但我不知道如何将它应用于列表,以获得每一对点的距离。我试着用for循环和切片来实现。

代码语言:javascript
复制
for i in range(0, len(permutations), 3):
    print(permutations[i:i+3])

作为一个测试,它是有效的,但我不知道如何将calc函数应用于列表中的每一对,并再次求和以获得总距离。排列都存储在一个列表中,所以我的想法是在每次迭代中遍历n元素(点/向量的数量)。

EN

回答 3

Stack Overflow用户

发布于 2019-10-31 05:58:07

对于3点数组不是很优雅,但是einsum计算对于计算长度/距离很有用。

代码语言:javascript
复制
import itertools

a = np.array([[1, 1],[0, 0],[7, 9]])

p0 = np.asarray(list(itertools.permutations(a, 3)))

def _cal(a):
    """Perform the calculation, mini-e_leng."""
    diff = a[:-1] - a[1:]
    return np.nansum(np.sqrt(np.einsum('ij,ij->i', diff, diff)))

[_cal(i) for i in p0]
 [12.815967813364475,
 21.40175425099138,
 11.414213562373096,
 21.40175425099138,
 11.414213562373096,
 12.815967813364475]
票数 1
EN

Stack Overflow用户

发布于 2019-10-31 04:44:53

您可以使用max查找每对相邻成员的差异最大的成员。此外,您还可以使用itertools生成排列:

代码语言:javascript
复制
import itertools
import numpy as np

a = [(1, 1),(0, 0),(7, 9)]
permutations = tuple(itertools.combinations(a,3))
print(permutations)

def calcDistance(a, b):
        d = np.linalg.norm(np.asarray(a)-np.asarray(b))
        return d

most_dist_permutation = max(permutations, key=lambda x:calcDistance(*x[0:2])+calcDistance(*x[1:3]))
print(most_dist_permutation)

(1,1),(0,0),(7,9)),((1,1),(7,9),(0,0)),(0,0),(1,1),(7,9)),((0,0),(7,9),(1,1)),((7,9),(1,1),(0,0)),((7,9),(0,0))0),(1,1) ((1,1),(7,9),(0,0))

票数 0
EN

Stack Overflow用户

发布于 2019-10-31 04:46:37

运行:

代码语言:javascript
复制
import itertools
ss=list(itertools.permutations(np.arange(0,10), 2))

def calcDistance(a, b):
    d = np.linalg.norm(a-b)
    return d

[calcDistance(np.array(ss).T[0][i],np.array(ss).T[1][i]) for i in range(0,np.array(ss).shape[0])]
票数 0
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/58633210

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档