coordinates = [(-225.0, -299.5), (-150.0, 75.5), (0.0, 0.0), (225.0, 300.5)]
xy = (-222.4, -204.5)
将给定值 xy 与二维坐标列表进行比较并返回最近坐标的索引号的最佳方法是什么？
在本例中，xy 将与坐标列表进行比较，从而返回最接近的坐标（-225.0、-299.5），或者更理想的是索引号 0。
我尝试使用 itertools 或 numpy 研究一种方法，但似乎无法理解如何在我的示例中获得我想要的结果。
【问题讨论】：
标签： python list multidimensional-array coordinates itertools
使用 scipy.spatial.KDTree：
from scipy import spatial
import numpy as np
coordinates = [(-225.0, -299.5), (-150.0, 75.5), (0.0, 0.0), (225.0, 300.5)]
x = [(-222.4, -204.5)]
distance,index = spatial.KDTree(coordinates).query(x)
print(distance)
print(index)
kd-tree 方法是 O(N*log(N)) 并且比 Brute Force 方法快得多，Brute Force 方法需要 O(N**2) 时间来获得足够大的 N。
【讨论】：
您的问题相当于：如何使用自定义方法对 Python 列表进行排序以定义排序键。这可以在原始 python 中完成，而无需使用外部库。
使用 python 的 sorted() 函数时，您可以将 lambda 传递给 key 参数以对特定键进行排序。
从那里您只需将键定义为您自己的距离计算方法（这里使用点之间的距离）：
from math import *
coordinates = [(-225.0, -299.5), (-150.0, 75.5), (0.0, 0.0), (225.0, 300.5)]
xy = (-222.4, -204.5)
results = sorted(coordinates, key= lambda v: sqrt(pow((v[0] - xy[0]), 2) + pow((v[1] - xy[1]), 2)))
# Output : [(-225.0, -299.5), (-150.0, 75.5), (0.0, 0.0), (225.0, 300.5)]
如果你想要更近的点，你可以从那里获取列表的第一个元素，等等。如果你仍然想要外部模块，我认为你可以使用一些第三方函数，例如 from scipy.spatial import distance 作为关键参数排序。
【讨论】：
math.hypot() 函数，因为它比你这样做的方式更快。看到这个comment关于那个。
您可以将min 与适当的key 函数一起使用。比如以下几行：
coordinates = [(-225.0, -299.5), (-150.0, 75.5), (0.0, 0.0), (225.0, 300.5)]
xy = (-222.4, -204.5)
dist = lambda x, y: (x[0]-y[0])**2 + (x[1]-y[1])**2
min(coordinates, key=lambda co: dist(co, xy))
# (-225.0, -299.5)
【讨论】：
math.hypot()——它可能更快。
min(coordinates, key=lambda p: math.hypot(p[0]-xy[0], p[1]-xy[1]))
hypot() 慢约 19%。这是用于确定这一点的benchmark（结果在最后）。
您可以简单地创建一个函数来遍历坐标列表并保留两点之间距离最小的那个的索引（使用勾股定理）。
但是，如果您需要外部模块快速提供的东西而不是自己编写，我不知道我已经使用过的库已经具有该功能，所以我在这里没有帮助。
【讨论】：