Python - 计算两个点列表（坐标）的最小欧几里得距离答案

【问题标题】：Python - calculate minimum euclidean distance of two lists of points (coordinates)Python - 计算两个点列表（坐标）的最小欧几里得距离
【发布时间】：2020-06-11 01:35:28
【问题描述】：

我有两个 n 形状的列表，每个点将与第二个列表的每个点进行比较（欧几里得距离），然后选择最小距离，例如：

答：[(1,1),(2,1),(3,1)]

B: [(2,2),(3,3)]

输出将是 3 个距离：

min((1,1) -> (2,2), (1,1) -> (3,3)),

min( (2,1) -> (2,2), (2,1) -> (3,3) ),

分钟 ( (3,1) -> (2,2), (3,1) -> (3,3) )

-> 欧式距离

难点在于编写高效的代码。

【问题讨论】：

标签： python list numpy distance

【解决方案1】：

这是一个可能有帮助的示例代码：

from scipy.spatial import distance

A = [(1,1),(2,1),(3,1)]
B = [(2,2),(3,3)]

min_dist = []
for a in A:
    dist = []
    for b in B:
        dist.append(distance.euclidean(a,b))
    min_dist.append(min(dist))

>> min_dist
>> [1.4142135623730951, 1.0, 1.4142135623730951]

我为此使用scipy 库。也可以使用numpy.linalg.norm。这种方法对您有用吗？

HTH。

【讨论】：

【解决方案2】：

找到了一个方法，不知道有没有人可以更高效，

import numpy as np
from scipy.spatial import distance

s1 = np.array([(0,0), (0,1), (1,0), (1,1)])
s2 = np.array([(3,2), (1,9)])
print(distance.cdist(s1,s2).min(axis=1))
# array([3.60555128, 3.16227766, 2.82842712, 2.23606798])

【讨论】：

【解决方案3】：

取决于您所说的“高效”。如果您有相当大的列表并且要进行大量比较，则应该只查找最小平方距离，因为您避免了平方根运算，所以计算起来要快得多。这是处理欧几里德距离时的标准技巧。

如果最后你想要实际的欧式距离，然后取平方根。

考虑：

import numpy as np

A = [(1, 1), (2, 1), (3, 1)]
B = [(2, 2), (3, 3)]

# compare each point in A to all points in B, return the shortest distance

for pt in A:
    min_sq_dist = min( (pt[0] - t[0])**2 + (pt[1] - t[1])**2 for t in B )
    print(np.sqrt(min_sq_dist))

输出：

1.4142135623730951
1.0
1.4142135623730951

最大的不同是什么？上面的代码计算 3 个平方根。天真的方法计算 6（|{B}| 倍）

【讨论】：