Python中3-D点之间的最小，平均和最大距离答案

【问题标题】：Minimum, mean and maximum distance between points 3-D in PythonPython中3-D点之间的最小，平均和最大距离
【发布时间】：2014-03-31 13:03:51
【问题描述】：

我有一个 x,y,z 点列表。使用公式求 3-D 中两点之间的距离

import math
import numpy as np

point0 = x0, y0, z0
point1 = x1, y1, z1

dist = math.sqrt((x0-x1)**2+(y0-y1)**2+(z0-z1)**2)

def dist3d((x0, y0, z0), (x1, y1, z1)):
    return math.sqrt((x0-x1)**2+(y0-y1)**2+(z0-z1)**2)

我想写一个优化的循环并存储距离

点 = [(472765.09, 6191522.78, 13.0), (472764.82, 6191524.09, 9.0), (472763.8, 6191525.68, 8.0), (472764.07, 6191524.39, 16.0)]

dist01 = dist3d(test[0],test[1])
dist02 = dist3d(test[0],test[2])
dist03 = dist3d(test[0],test[2])
dist04 = dist3d(test[0],test[2])

dist12 = dist3d(test[1],test[2])
dist13 = dist3d(test[1],test[3])

dist23 = dist3d(test[2],test[3])

3d_l=[(dist01),(dist02),(dist03),(dist04),(dist12),(dist13),(dist23)]

3d_max =max(3d_l)
3d_min = min(3d_l)
3d_mean =  np.average(3d_l)

我写了以下函数（未优化）

def dist3d((x0, y0, z0), (x1, y1, z1)):
    return math.sqrt((x0-x1)**2+(y0-y1)**2+(z0-z1)**2)

def dist_3d(obs):
    dist_list = list()
    while len(obs) != 1:
        obs_g = [(obs[0], x) for x in obs[1:]]
        dist_list.append([dist3d(obs_g[i][0], obs_g[i][1]) for i in xrange(len(obs_g))])
        obs.pop(0)
    return dist_list

points = [(472765.09, 6191522.78, 13.0), (472764.82, 6191524.09, 9.0), (472763.8, 6191525.68, 8.0), (472764.07, 6191524.39, 16.0)]
print dist_3d(points)
[[4.217700795331081, 5.922339064664832, 3.554222840244929], [2.1374049685457694, 7.046453008421205], [8.107835716151763]]

【问题讨论】：

你的问题是什么？
伊夫感谢您的重播。我的问题是在（高效）循环中转换这些代码行
是的，但你不能做什么？这样的（双）循环是微不足道的。顺便说一句，你想要平均值还是中位数？这会有很大的不同。
您是否有意在计算中不包括第一个点和最后一个点之间的距离？
@martineau 查看更新

标签： python performance optimization computational-geometry euclidean-distance

【解决方案1】：

如果你不介意使用 scipy，这是相当简单的：

import numpy as np
import scipy.spatial.distance as distance 

points = np.array([(472765.09, 6191522.78, 13.0), (472764.82, 6191524.09, 9.0), (472763.8, 6191525.68, 8.0), (472764.07, 6191524.39, 16.0)])

dist = distance.pdist(points)
print dist.max()
print dist.min()
print np.median(dist)
print np.average(dist)

【讨论】：

【解决方案2】：

这是一个尽可能使用内置和模块功能的通用版本。我没有安装numpy，但如果它有 3-D 或 n-D 距离函数，请使用它而不是下面的dist3D()。

实际上，numpy包含几个（其他）函数，可用于加速其中一些即时计算。如果您正在寻找更多基于它的答案，您应该通过至少修改问题的标签来表明这一点。

import math
import numpy as np

points = [(472765.09, 6191522.78, 13.0), (472764.82, 6191524.09, 9.0),
          (472763.8, 6191525.68, 8.0), (472764.07, 6191524.39, 16.0)]
points += [points[0]]  # dup first point to include dist from last to first
dist3D = lambda a, b: math.sqrt((a[0]-b[0])**2 + (a[1]-b[1])**2 + (a[2]-b[2])**2)
dists = sorted(dist3D(points[i], points[i+1]) for i in xrange(len(points)-1))
min_dist, max_dist = dists[0], dists[-1]
#mean_dist = sum(dists) / len(dists)
mean_dist = np.average(dists)

print 'min_dist: {:.2f}, mean_dist: {:.2f}, max_dist: {:.2f}'.format(
    min_dist, mean_dist, max_dist)

【讨论】：

【解决方案3】：

math.sqrt 是一个比较繁重的操作。您可以改为存储距离的平方，这足以找到最小值、中值和最大值，然后得到平方根。此外，尝试手动通过单次迭代找到最大值和最小值。

【讨论】：

@YvesDaoust 我很困惑为什么它不适用于中位数。只要您保持一致，列表的中间仍然是列表的中间，无论您得到平方还是平方根。虽然我不是说这个答案是正确的，但你的评论（我假设投反对票）并不符合实际，因为他提供了一个关于简化循环的思考过程，并且它在技术上回答了这个问题（所有 -不管怎样，不好）
中位数应该相同，是的，平均值不会。而且我不确定哪个OP想要。他在文本中说中位数，但在代码中使用平均值。
和标题中的中间值（在他默默地修复它之前）。 @Jeff：别担心，我从来没有说过它不适用于中位数；说它不适用于“中位数”（也不适用于均值）