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)。
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:
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。
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)。
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。
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]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:
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))
发布于 2019-10-31 04:46:37
运行:
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])]https://stackoverflow.com/questions/58633210
复制相似问题