在 Python 中找到与 3D 中给定点最近的点的最快方法答案

【问题标题】：Fastest way to find the closest point to a given point in 3D, in Python在 Python 中找到与 3D 中给定点最近的点的最快方法
【发布时间】：2012-03-02 00:02:03
【问题描述】：

假设我在 A 中有 10,000 个点，在 B 中有 10,000 个点，并且想为每个 B 点找出 A 中最近的点。

目前，我只是遍历 B 和 A 中的每个点，以找出距离最近的点。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

但是，我确信有更快的方法来做到这一点...有什么想法吗？

【问题讨论】：

标签： python distance points closest

【解决方案1】：

在这种情况下，我通常使用kd-tree。

有一个易于使用的C++ implementation wrapped with SWIG and bundled with BioPython。

【讨论】：

仅供参考，我目前使用 scipy 的 kd-tree

【解决方案2】：

您可以使用一些空间查找结构。一个简单的选项是octree；更高级的包括BSP tree。

【讨论】：

【解决方案3】：

你可以使用 numpy 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 分别是 a 中最接近 B 的 1,2,3 行的行。

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])

希望对你有帮助。

【讨论】：